深度学习2-特征

1.一张图片像素级的特征没有价值，有价值的是具有结构化，比如是否是否有车把手，是否有车轮，才能将它们区分开

2.复杂的物品是由简单的基本结构组成。一个图可以通过64种正交的edges组成来线性表示。比如下面的x可以用1-64个edges中的3个按照0.8，0.3，0.5的权重调和而成

3.更高层的图像需要更高层的特征表示，比如v2看v1是像素级的，按照层次递进。专业点说就是基basis。V1区提出的basis是边缘，然后V2层是V1层这些basis的组合，这时候V2区得到的又是高一层的basis。。。所以deep learning 又叫做unsupervised feature learning

找到make sense的小patch，进行combine，得到上一层的feature，递归的向上learning feature。

4.一个人在看doc的时候，先是眼睛看到的words，由这些words在大脑中自动切词形成term，再按照概念组织的方式，得到topic，然后进行更高层次的learning