斯坦福深度学习 图像分类

首先人们着眼于一些全局特征，诸如纹理，颜色，形状特征

之后人们开始着眼于一些局部的特征比如SIFT，边缘特征

之后发展出了深度学习和机器学习的方法。

在数据驱动的图像识别之前：人们主要通过写具体的分类规则来进行图像识别（not scalable）

上面的特征都是不可推演的not scalable不可从猫的识别同理到狗的识别

数据驱动的学习，不用写具体的分类规则。

步骤：

1. 收集标注好的数据

2.用机器学习的方法学出一个分类器，通过对于训练集和验证集不断调参，最终得出一个较好的分类器（比如线性分类，感知机）

3.对分类器进行评价