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

深度学习2-特征_第1张图片

深度学习2-特征_第2张图片

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

深度学习2-特征_第3张图片

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

深度学习2-特征_第4张图片

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

你可能感兴趣的:(计算机视觉,目标检测,机器学习,深度学习,神经网络)