feature transformation:
1. 笛卡尔变成极坐标
2. 颜色直方图
3. HoG
4. Bag of Words
传统的分类器,进行特征的转换,叠加多种特征,然后使用线性分类器进行分类。
神经网络分类器,特征提取和分类都通过网络自己学习,没有之前的人工设计的特征提取器。
神经网络,
输入,中间,输出层组成。
权重的大小,表现当前层输出某个位置的信息对后续位置的影响。
mlp, multi layer perceptron,全连接层
神经网络理解,
前几层,学习各种template,推理就是template的匹配。
中间增加relu,作为激活层,增加网络的表达能力,增加非线性。