????????第一卷 第四章 图像分类基础
? ? ? ? 这一章主要是描述了（1）深度学习和图像分类的一些术语定义和面临的主要问题；（2）机器/深度学习的分类监督、无监督、半监督等等；（3）讲述了机器/深度学习的大致工作流程；
? ? ? ? 一、图像分类的术语/语义鸿沟/面临的挑战
? ? ? ? 实际上没有讲啥有用的内容，简单过过就好。
????????图像分类的核心是从预定义的一组类别中为图像分配标签的任务。
????????鉴于计算机所看到的只是一个大的像素矩阵，我们得出了语义鸿沟的问题。语义鸿沟是人类如何感知图像内容与如何以计算机可以理解的方式表示图像之间的差异。
? ? ? ? 面临的挑战，图像在不同视点、光照条件、遮挡、比例等下的表现方式等等。
????????二、监督学习/无监督学习/半监督学习
? ? ? ? 作者说“我们将在本书中主要关注监督学习，因为计算机视觉深度学习背景下的无监督和半监督学习仍然是非常活跃的研究课题，没有明确的方法使用指南。”
????????三、图像分类工作流程
????????收集数据集、将数据拆分为训练、测试和验证步骤、训练网络以及最终评估模型。
? ? ? ? 四、小结
????????在本章中，我们了解了什么是图像分类，以及为什么要让计算机表现出色是一项具有挑战性的任务（即使人类似乎毫不费力地凭直觉就能做到）。然后我们讨论了机器学习的三种主要类型，监督学习、无监督学习、半监督学习——这本书主要关注监督学习，我们有训练示例和与之相关的类标签。半监督学习和无监督学习都是深度学习（以及一般机器学习）的开放研究领域。
????????最后，我们回顾了深度学习分类流程中的四个步骤。这些步骤包括收集数据集、将数据拆分为训练、测试和验证步骤、训练网络以及最终评估模型。
????????与传统的基于特征的方法需要我们利用手工算法从图像中提取特征不同，图像分类模型（如卷积神经网络）是端到端的分类器，它们在内部学习可用于区分图像的特征。