cs231n Assignment1 features.ipynb 笔记

作业思想：

        纯像素的图片作为网络输入：性能低

        从图片中提取的特征（HOG+颜色）作为网络输入：性能高  （输入层中只有特征，没有像素图了）

（**仅在网络只有1层隐藏层时得出的结论）

作业具体：

• Linear svm：

          32x32x3作为输入层 → 现在改成154（HOG方向柱状图和颜色柱状图）作为输入层，网络就是一层WX，score用svm来评估loss。

          test上识别准确率从38% → 提升到44%

• 2 layer network：

          32x32x3作为输入层 → 现在改成154（HOG方向柱状图+颜色柱状图合并）作为输入层，网络有1个隐藏层和1个输出层 [ f(WX)+WX ]，激活函数是ReLU，score用softmax来评估好坏loss。

          test上识别准确率从52% → 提升到60%。

附：HOG是啥

一文讲解方向梯度直方图（hog） - 知乎 (zhihu.com)