参考《(论文精读)PCANet:一种简单的图像分类的深度学习基线》
第一步,先对N图像分块,每个分块向量化,所有图像的分块向量进行pca,得到最大的前m个特征向量,每幅图像的每个分块乘以每一个特征向量得到N*m幅图像。
假设第二部去前h个最大的特征向量,和第一步一样,最终得到N*m*h幅图像。
将第一层的每个输出矩阵,分成b块的原因是,如果不分块,就会出现全局直方图相同,但是局部直方图(局部信息)不相同的情况,局部信息不同就是不同的图形。所以分块越小越好,但是分块越小,fi会越长,可能计算量就会越大。