所谓特征:不管你怎么旋转目标,离目标远近,它的特征都应不变才对,这两个特性称为叫旋转不变性和尺度不变性。当然还有其它特征,如光照不一样,也不应该变化嘛,只是旋转不变性和尺度不变性是最基本的两个要求。
特征检测:就是检测图像中目标的特征呗
对特征的描述有很多种方法和算子,常见的有SIFT特征描述算子、SURF特征描述算子、ORB特征描述算子、HOG特征描述、LBP特征描述以及Harr特征描述。本文先介绍SIFT特征描述算子、SURF特征描述算子、ORB特征描述算子、HOG特征描述、LBP特征描述的原理及OpenCV代码袜现,当然我只能大概介绍,如果要了解详细原理,请查看相应的论文及资料。
SoftMax的作用是什么?
定义:
假设我们有一个数组V,Vi表示第V个元素,那么这个元素的softmax值就是
也就是说,是该元素的指数,与所有元素指数和的比值
我们来看一下这句代码
y_= tf.nn.softmax(tf.matmul(x,w))+b 在最简单的单层全连接神经网络中 这里的X表示输入图像 W则表示权重 y_代表我们计算出来的预测值,格式应该为{case0:p0,...,casen:pn}
softmax对所有的可能一一给出概率值
SVM则只会选出概率最大的那一个可能
借用知乎一位大神的解释:“SVM只选自己喜欢的男神,Softmax把所有备胎全部拉出来评分,最后还归一化一下”