Structured Learning-Linear Model

F的样子如下图：
图中小框框就是visual word 是真的是一个维度feature，通过visual word可以抽这个image特征。把x，y带进去φ（）函数里，得到一个vector，vector里边属性随便定。这些特征非常弱很难做到凉宫春日的检测。如下图。

要想抽出很好的feature，那就得用deep learning network（例如CNN抽取image里的特征）抽取特征。输出的vector可以很好代表bouning box里的东西。google做object detection 是deep learning + structure learning来做的。
deep learning 抽取特征，structure learning 进行训练。

在Summarization、retrieval应用。


第二个难题假设已经softmax。

第三个难题。就是找w使下边条件满足，正确的y带进去大过所有其他的错误的y带进去的值。

训练时操作：带进去输出多维的vector特征决定一个点。例如如下图例子，框正确的是红色的点，框在其他地方是蓝色的。正确红色的点只有一个。训练找到一个w与空间上的点（feture vector）做内积计算，点到w越近内积值越大。自己形状和自己比较。
过程如下图所示。w也是多维的vector。

只要w存在，用下边这个算法可以找到w。

训练过程：举例子解释上边的算法：初始化w等于0
随机选择一个train data 点x，y。计算使function最大的y浪线，得出来不等于label，所以进行w更新，俩个特征进行相减如下图 。

同时满足俩种圆圈和星号都找到最大的，w停止更新。不会更新，停止trian。

获取以上文本PPT请点击这里