AI开发者们请注意：

几个月前，AI研习社举办了一场关于美食识别的比赛。参赛者需要从给定的图片中区分豆腐和土豆，这为许多图片识别爱好者提供了一次初级实战的机会。

相较于首次比赛，此次举办的第二版比赛增加了难度。不仅食材种类翻倍，还降低了图片的识别难度。对于热衷于图像识别的开发者来说，这是一次值得挑战的任务。

这次比赛的目标是正确识别图片中的食材。食材包括茄子、山药、苦瓜和西兰花四种类型。与第一次比赛相比，这次比赛的难度有所提升，但每张图片只包含一种食材。

从二分类到多分类

如果你认为这次比赛仅仅是增加了一种食材的识别任务，那你就错了。实际上，这个任务已经从二分类问题扩展成了多分类问题。在二分类问题中，我们只需要将类别分为两类，例如真和假，然后进行配对。此外，我们还会得到一个包含四个数据项的混淆矩阵：真阳性（TP）、假阴性（FN）、假阳性（FP）和真阴性（TN）。

对于多分类问题，例如本次比赛中的四种食材，分类的数量也随之增加，从原来的22矩阵变成了44矩阵。如果分类扩展到10类，那么混淆矩阵就会变成10*10的矩阵。

多分类问题的处理思路

当问题从二分类变为多分类时，开发者通常会采用拆分法。具体而言，可以将多分类问题拆分成多个二分类问题，为每个二分类问题训练一个分类器，然后整合多个分类器的结果。常见的拆分策略有以下三种：

1. 二元关联：将每个标签视为独立的分类任务，两两配对，从而产生N(N-1)/2个二分类任务。
2. 分类器链：每次将一个类作为正例，其余作为反例，训练N个分类器。测试时选择置信度最高的分类器结果作为最终分类。
3. 多分类策略：基于纠错编码的方法，分为编码和解码两个步骤。编码负责对N个类别进行M次划分，解码则利用M个分类器进行预测，得到最终结果。

无论采用哪种策略，每个分类器的训练集都需要重新定义为二分类问题，然后对测试集进行分类和预测。

美食识别挑战（Ⅱ）：茄子、山药、苦瓜还是西兰花？

AI研习社发起的美食识别挑战赛的任务是正确识别图片中的食材。食材包括：茄子（0）、山药（1）、苦瓜（2）和西兰花（3）。

比赛的数据集包括训练集6140张图片和测试集856张图片。参赛者需要根据图片中的食材进行分类。比赛的起止时间为2020年2月13日18:00至2020年3月14日23:59。比赛奖金池总额为3000元，分为三个奖项：参与奖（30%）、突破奖（20%）和排名奖（50%）。

比赛评审标准是根据模型分类正确的数量和总样本数来计算得分。每日24:00，最新的排名会在官网更新，参赛者可以随时查看自己的排名情况。

更多详情，请访问比赛主页：https://god.yanxishe.com/26

雷锋网 AI开发者