deep learning http://blog.csdn.net/zouxy09/article/details/8775360
稀疏编码算法sparse coding是一种无监督学习方法,它用来寻找一组“超完备”基向量来更高效地表示样本数据。虽然形如主成分分析技术(PCA)能使我们方便地找到一组“完备”基向量,但是这里我们想要做的是找到一组“超完备”基向量来表示输入向量(也就是说,基向量的个数比输入向量的维数要大)。超完备基的好处是它们能更有效地找出隐含在输入数据内部的结构与模式。然而,对于超完备基来说,系数ai不再由输入向量唯一确定。因此,在稀疏编码算法中,我们另加了一个评判标准“稀疏性”来解决因超完备而导致的退化(degeneracy)问题。(详细过程请参考:UFLDL Tutorial稀疏编码)
SIFT,即尺度不变特征转换(Scale-invariant feature transform,SIFT) 。http://blog.csdn.net/zddblog/article/details/7521424
卷积就是把模版与图像对应点相乘我们为什么要打Tag?再相加,把最后的结果代替模版中心点的值的一种运算。