[基础]斯坦福cs231n课程视频笔记(一) 图片分类之使用线性分类器

线性分类器的基本模型： f = Wx

Loss Function and Optimization

1. LossFunction

衡量在当前的模型(参数矩阵W)的效果好坏

Multiclass SVM Loss:

• Hinge Loss

  样本 \(i\) 的损失：\(L_i = \sum_{j \neq y_i} \max(0, s_j-s_{y_i}+1)\)， \(y_i\) 是样本 \(i\) 的正确标签. 损失取值范围是0~正无穷

  • 当网络初始化的时候，参数随机初始化为比较小的值，输出 即属于各个类别的概率可能差不多(\(s_j \approx s_{y_i}\)) ，且值也比较小，因此单个样本的损失应为C-1 (C为类别总数）这个规律便于调试：如果一开始跑网络的时候得到的损失不符合以上规律 则可能代码有问题
  • 另一个trick，是在损失函数中max项的基础上再求平方，这样能够加大对判断失误的惩罚。不过这和原本的hinge loss不一样，具有非线性。

• Softmax Classifier(Multinomial Logistic Regression)

  原本分类器得到的分数是没有实际意义的，得分可以粗略认为只是模型的输出。

  • HingeLoss关心的只是：对于一个样本分类到各个类别的得分中，在真实类别的得分应该比其他类别的得分要高，从而loss更小；而Softmax将这些分数转换成概率，从原本的"分类到各个类别的得分"转换成"分类到各个类别的概率"，从而得到概率分布 \(P(Y=C_i|X=X_i)\)，\(X_i\)为该样本，\(C_i\)为各个类别，而target probability distribution是只有在真实类别的概率值为1，其余类别为0

    假设该样本要分到四类中的一类，其真实类别是第一类

    期望得到的概率分布是：\([1,0,0,0]\)， Softmax算出的概率分布是：\([0.4, 0.4, 0.15, 0.05]\) ，

    则损失函数为：最大化对数似然函数

    \(L_i=-\sum_ky_k \cdot \log P(Y=y_k|X=X_i) =-\log P(Y=Y_i|X=X_i)\),

    \(Y_i\)是该样本的真实类别， \(y_k\) 取0或1，即类别标签使用one-hot编码。

  • 另一个角度也可以理解成计算这两个概率分布的距离(KL散度or交叉熵)

  • 损失的最小可能取值是0，最大取值是正无穷：损失为0，要求原本的分数中，真实类别的分数为正无穷，其他类别的分数都为负无穷；损失为正无穷，要求原本的分数中，真实类别的分数为负无穷。这些都是实际运算达不到的，所以损失的最小值只能理论上取到0。

  • 当网络初始化的时候，所有分数的取值都几乎相同且都接近0，则得到的损失值大约为log(1/C), C为类别总数. 当W很小时， scores=X.dot(W)约等于0，对应的\(e^{scores}\)=1，归一化后变成1/C

  https://zhuanlan.zhihu.com/p/29376573 在具体实现Softmax时需要注意的地方 为了解决计算机中位数的overflow 通过引入一个常数偏移来调整

  https://zhuanlan.zhihu.com/p/25723112 softmax的求导

正则项，用于防止过拟合，避免模型为了在训练数据上表现好而过于复杂 不能适应于新的测试数据，【设计一个模型，最终关心的其实是在测试数据上的表现！】

• L2范数，类似欧式norm，倾向于更稠密且取值更小的参数矩阵

• L1范数，恰好相反，倾向于更稀疏的参数矩阵

 

2.Optimization

如何得到更好的参数矩阵W

梯度下降，及其变种

 

Linear Classification VS ConvNet

从提取特征的角度看它们的区别：

• Linear Classification
  • 最开始是直接将图像像素作为线性模型的输入，计算output=Wx，但是存在局限性
  • 改用特征表示 feature representation，即人为定义一些特征，然后将图像用这些特征来代表，再输入到分类器。简单列举常用的一些特征：
    • 直方图 color histogram 统计整幅图中各个灰度级的出现次数
    • HoG Histogram of Oriented Gradients 统计整幅图中各个小区域的edge direction [gradient]
    • bag of words 根据一系列图像构建一个codebook of visual words, [随机选取图像的patch然后聚类得到]，再通过codebook里的word来编码图像 将图像用图中含有的word及其出现次数来表示
  • 需要注意的是，这些传统的方法在训练模型时只会改变参数，而不会改变特征【特征已经提前计算好了 可以这样理解：假设原图是x，通过z=g(x)提取特征，然后再输入到分类器 f = Wz，训练过程中改变的只有W 】
• ConvNet
  • 将多层卷积层堆叠起来，可以认为每一层卷积层都是提取特征的过程，在训练时整个网络一起被训练（所有层的参数都会被调整）
  • 个人粗略猜测：是不是可以认为 layer1_output = W1* x, layer2_output=W2 * (layer1_output), layer3_output=W3 * (layer2_output) 类推...因此用卷积网络时特征并不是已经人为规定好的，而是从数据中学习到的?