Code for CV Assignment of SeedClass_17

Rlee719, RyuGuo, Skylyyun

把 cifar-10-batches-py 放置在 根 目录。

Project 1: Building an image classifier on Cifar10 dataset using image features and classifiers

• Cifar10 https://www.cs.toronto.edu/~kriz/cifar.html, 50000 training images and 10000 test images.
• Using raw pixels as image feature
• Using kNN classifier
• Determine the best k & distance metric
• Due in the next work: source code, slides and oral presentation

Project 2: Implementing a Softmax classifier for Cifar10 image classification

• 自己推导 softmax clf 的 analytic grad，并采用 numpy 实现其计算，用 mini-batch grad descent 进行优化
• 使用sklearn计算评测指标(AUC, ROC, mAP)并画图分析，调整 batch， learning rate， epoch 等获得最佳训练结果
• 尝试 L2 (Undone)，L1 (Done) 正则化方法（ grad 自己推导），调整正则化项的权重。
• 注意数据的预处理，例如：像素值归一化到 0-1 ，调整参数，不用交叉验证，争取在整个训练集上训练，达到较高的测试准确率。
• 尝试数据增强，batch normalization，不同的optimizer等提升训练效果

project 3: 采用BP神经网络在half moon和cifar10数据集上进行分类

• 依照课件上的内容，实现BP神经网络，在half moon上可视化非线性分类。
• 在cifar10上，采用自己实现的BP神经网络来训练和测试并计算正确率。
• 通过调整网络每层的节点数目、learning rate、正则化参数、网络层数、激活函数等，来争取获得最优的分类正确率。