一、影响图片识别的因素：

　　1 角度

　　2 光照强度

　　3 形状改变（物体的姿态）

　　4 部分遮蔽（只有半张脸）

　　5 背景混入

 

二、常规识别套路：

　　1 收集数据集并给定标签

　　2 训练一个分类器

　　3 测试 评估

三、K-近邻算法

CIFAR-10数据集(数据库样例)

　　适合用于练习

 

四、对图像数据怎样计算所谓的距离？

　　这种计算距离方式来判断，识别错误率较高。

 

五、超参数：（曼哈顿距离（街区距离）和欧式距离）  

　　找到最合适的参数：

　　　　交叉验证：先把训练集切成n份（可设置），n-1作为训练，1份做验证，从n份中数据每一　　份都要做一次验证集，n次迭代后取均值（消除偏高和偏低的结果），最终达到调到最优参数　　的目的。

六、背景主导

　　使用K-近邻算距离图像分类时，是对每个像素点进行相减运算，把背景也算进去了（目标并未把图像占满），导致结果不准。所以单纯使用K-近邻不能完成图像分类的任务。