关于深度学习中的分类器

因为之前一直都是用caffe做图像去噪、增强方面的工作，没太接触分类，上个学习会上通过报告学习了下关于分类的相关基础知识，为接下来分类的相关工作研究奠定下基础：

基础之分类器：

1、SVM：线性核SVM：一般应用于多分类，分类的结果（如3分类）最后会给出（约等于）1、2、3的值代表第1、2、3类

                 非线性核SVM：一般应用于二分类问题上

SVM需要训练，如通过caffe提取特征后，用提取的特征训练svm

2、softmax分类：其实它是逻辑回归的拓展（机器学习书），应用于多分类，在caffe中实现了softmax，可以端到端地训练分类。

                               分类的结果是给出的一个概率向量，相应的那个概率值高即为预测的哪个类。