一、什么是图像分类(Image Classification)
图像分类任务是计算机视觉中的核心任务，其目标是根据图像信息中所反映的不同特征，把不同类别的图像区分开来。
二、图像分类任务的特点
对于人来说，完成上述的图像分类任务简直轻而易举，我们看到的是图像，但对于机器也就是计算机来说，它看到的是字节数据：
因此，出现同一图像的视角不同（比如旋转一张图片）、光照不同（从不同的角度照射统一物体），物体的尺度大小不同（小孩拿着电脑与姚明拿着电脑），物体被遮挡，物体形变（猫站着、躺着......），图像背景出现杂波（北极狐与背景融为一体），类内形变（都是椅子但却有很多样式），运动模糊（小鸟摆头导致拍摄时出现模糊）......这些情况时，对于机器来说，分类任务是很困难的。
三、数据驱动的图像分类范式
数据驱动的图像分类方法是指通过构建数据集并设计一个分类器，让分类器去学习数据集中的规律，将学习后的分类器用于图像分类。
3.1数据集的构建
例如我们将10000张猫和10000张狗的图片收集在一起，并分别为其打上标签（狗的标签可打为1，猫的标 签可打为2），这就是数据集构建。
3.2分类器设计与学习
分类器设计就是设计一个模型，例如逻辑回归模型、ResNet等，分类器学习就是将模型的参数填上（最开始都是随机填）并不断更新（最开始填的肯定不好，所以要让计算机帮我们更新参数）以使得我们设计的模型能以更高的准确率来分类图像，这个参数更新的过程就是学习。
3.3分类器决策
分类器决策就是将学习完毕的模型用于实际的分类任务中，这应该很好理解。