呵呵

LBP(local binary pattern)是一种用来描述图像局部纹理特征的算子。原始的LBP于1994年提出，它反映内容是每个像素与周围像素的关系。后被不断的改进和优化，分别提出了LBP旋转不变模式、LBP均匀模式等。一：原始的LBP   给出一个简单的案例计算LBP：如下图，周围8个像素点比中间点像素值大(或者相等)的记为1，小的记为0，这样就得到二值图，然后按顺时针方向得到二进

第三种算法称之为LBP算法，这个算法的思路与PCA和Fisher有很大不同，他是考虑局部特征算子，并不是全局考虑。这种算法定义了一种LBP特征，这种特征与我们经常见到的Haar特征、HoG特征没有啥太大不同，都是特征算子，只是算法不同。因此，我们按照理解特征算子一类的算法去理解LBP就可以了。注意，LBP对关照不敏感，为什么？因为LBP算子是一种相对性质的数量关系，相比于PCA或者

1. 简介VGGNet由牛津大学的视觉几何组（Visual Geometry Group）提出，是ILSVRC-2014中定位任务第一名和分类任务第二名。其突出贡献在于证明使用很小的卷积（3*3），增加网络深度可以有效提升模型的效果，而且VGGNet对其他数据集具有很好的泛化能力。如今，卷积神经网络已经成为计算机视觉领域的常用工具，所以有很多人尝试改善2012年提出的AlexNet

1. 传统目标检测传统目标检测算法流程为：多尺度滑动窗口，对每个窗口进行特征提取，分类器分类。以adaboost人脸检测算法为例：1）多尺度滑动窗口提取很多不同尺度的窗口。2）对每个窗口进行特征提取，在人脸检测中常用的harr特征，如下图：分别对应的特征是：边缘特征，线性特征，方向特征。特征计算方式是白色区域像素之和 - 黑色区域像素之和。3）分类器分类，一般分为两类：

n01440764 鱼n01443537 鱼n01484850 鱼n01491361 鱼n01494475 鱼n01496331 鱼n01498041 鱼n01514668 鸡n01514859 鸡n01518878 鸵鸟n01530575 鸟n01531178 鸟n01532829 鸟n01534433 鸟n01537544 鸟n015