图像识别和深度学习中的“组合爆炸”是什么意思？

和grid search调参里的组合爆炸基本上是一个意思。比如有5个超参要调，每个超参有10个候选值，组合起来的话就有$10^5=100000$个可能性要尝试。

在图像识别里也差不多，比如要识别图像里的一类物品，它可能颜色不同，材质不同，不同拍照的角度看到的形状不同，不同光照效果下的样子也不同，另外还有出现遮挡的情况，考虑到种种情况，组合在一起，每类物品就需要指数级别的训练集。图像识别一般是多分类的。对数据量的要求就非常非常大了。

这个例子是当猴子被不同物体遮挡时，预测结果都不佳。左图是猴子被判断为人；中图是猴子被判断为人，单车被判断成鸟；右图也是类似的。

这是因为训练集中并没有出现猴子与这些物体同时出现的图像，造成模型准确度下降。但是我们也无法做到把这些所有可能的组合的图像都放入训练集，组合爆炸的结果就是数据集需求量暴增。