图像分类流程

图像分类器是一种将图像作为输入，并输出标识该图像的标签或“类”的算法。例如，交通标志分类器将查看不同的道路，并能够识别该道路是否包含人类、汽车、自行车等。根据其内容对每个图像进行区分和分类。

用来识别特定对象甚至是行为-比如一个人是否在走路或跑步-的分类器有很多种，但是它们都涉及到一系列类似的步骤。

首先，计算机从相机等成像设备接收视觉输入。这通常被捕获为图像或图像序列。
然后通过一些 预处理 步骤发送每个图像，其目的是使每个图像标准化。
常见的预处理步骤包括调整图像大小或旋转图像，以改变其形状或将图像从一种颜色转换为另一种颜色 - 如从彩色到灰度。
只有通过标准化每个图像，例如：使它们大小相同，从而进行比较，并进一步以同样的方式进行分析。
接下来，我们 提取特征 。特征是帮助我们定义某些对象的东西，它们通常是关于对象形状或颜色的信息。例如，将汽车与自行车区分开来的一些特征是，汽车通常具有更大形状，并且其轮子有四个而不是两个。汽车的形状和车轮是其特征。我们稍后会在本课中详细讨论特征。
最后，这些特征被输入一种 分类模型 ！这一步可观察上一步的任何特征，并预测这个图像是汽车还是行人或自行车，等等。

你将手动编程每个分类步骤，以便你真正理解每一步。

到本课结束时，你将拥有完成最终项目所需的所有技能：构建交通灯分类器，该分类器将红绿灯的图像分成三类：红灯、黄灯或绿灯。