关于图片分类任务的猜想 | 撰写论文 paper

背景

在计算视觉领域，有几个关键的演变。
1）CNN 卷积的出现，这是一个大的创新；
2）从卷积到 AlexNet ，是更大网络上的使用卷积，从此卷积带来的在平移旋转等情况下，依然可以准确的识别特征，被证明有明显的优势，但这不是很大的创新；
3）从 AlexNet 到 ResNet，是进一步的扩大网络，因此更大参数的网络可以被训练，从而进一步的丰富了网络拟合特征的能力，但这不是很大的创新；
4）从 ResNet 到 Yolo，是一次明显的创新，可以说，Yolo 的创新可以和 CNN 的贡献相媲美。

Yolo 是一次巨大的飞跃

Yolo 是识别物体的轮廓，在卷积的基础上使用框体去分析轮廓。而轮廓，并且往往是基于色块的轮廓，是物体的主要特征。基于颜色识别轮廓，基于轮廓识别物体。

过滤无关的特征

在物体图片分类任务中，最主要的是识别轮廓，很多生产工作领域，其图片尤其适合用轮廓做区分。比如人物证件照，有一个背景，然后是人物的轮廓，在人物轮廓内包含了子轮廓，比如鼻子、眼睛等。

猜想：如果我们用一个算法，将图片处理为等高线类似的图片，再次进入 CNN 进行分类，那么效果会非常好。 原因是：无关的特征已经被过滤。

比如，在一个复杂的地形，我们想要找到最短的上到山顶的路线，那么就是看等高线地图，而不是看原始的地图，在原始的地图中，我们会被很多因素干扰。

Yolo 的问题

Yolo 的创新在于识别轮廓，而其依赖的训练数据需要标注轮廓。有没有一种算法能基于非标注的数据，首先的识别出轮廓？然后基于轮廓完成分类，能不能超越现在的最好的算法？

关键的问题，在于过滤无关的特征，让关注的特征凸显出来，这样即便数据量很少，也会有非常准确的效果。

这是一个猜想。