图像分类的难点

• 视角不同
• 尺寸不同
• 变形
• 光影
• 背景干扰
• 同类内的差异
  例如躺椅、座椅、

图像识别的核心

数据驱动学习。就像人看过很多猫以后，就知道什么是猫。把很多同一类的图片“喂给”计算机，让计算机自己去学习该类图片的特征。之后做出评估。

KNN解决图片分类

利用图片与图片之间的距离。根据距离最近的N张图片的标签决定预测图片的分类。图片之间的距离可以用曼哈顿距离、欧式距离或者余弦距离表示。
KNN的优点是思路简单，但是预测的时候需要与所有训练集图片比较，时间长。而且效果也不好。基本上是颜色一致的图片是最近邻的。