利用小波分析图像分类数据集中的相似性

深度学习图像分类器通常依赖庞大的训练集，其训练过程可描述为学习训练图像之间的相似性与差异。但是，大规模训练集中的图像通常未从该角度进行研究，图像间细粒度的相似与差异往往被忽视。这是由于缺乏快速高效的计算方法去分析这些数据集的内容。一些研究旨在识别有影响力的和冗余的训练图像，但此类方法需要已在全部训练集上训练好的模型。本文利用图像处理和数值分析工具，开发了一种实用且快速的方法来分析了图像分类数据集中的相似性。我们表明，在训练模型之前，此类分析能为数据集及手头的分类任务提供有价值的见解。我们的方法使用图像的小波分解及其他数值分析工具，无需预训练模型。有趣的是，我们获得的结果印证了文献中利用预训练 CNN 分析相似性的先前结果。我们表明，标准数据集（如 CIFAR）中的相似图像可在数秒内被识别，相比文献中的替代方法实现了显著加速。通过消除计算速度障碍，获取关于数据集内容及其上训练模型的新见解变得切实可行。我们表明，训练图像与测试图像之间的相似性可能为模型的泛化提供见解。最后，我们研究了与训练后模型的决策边界相关的图像间相似性。