2019.5.31梁老师组会笔记

图像处理，最开始描述子用来表示特征，局部特征
脑科学、认知学、心理学
图像中：一条直线、一个圆；梯度不变，梯度均匀变化

人在认知图像特征的时候不是依靠全局特征，而是依靠局部特征
局部梯度变化的集合来表示这个点
每个点都统计局部特征，再来看它的分布 bag of words
深度学习本质上也是用深层的网络中提取这种bags of words
区别：以前是直接从图像中提取出特征，而神经网络是不断从特征图中提取特征
以前的方法之所以不太好，欲速则不达
实际中计算机如何实现求连续函数的梯度，不是简单的做差去平均，而是用一阶高斯函数卷积
高斯函数怎么来的，心理学，盯住一个东西，周围是模糊的，越远越模糊
训练之后神经网络中的卷积核就是0阶高斯、1阶高斯、2阶高斯等
离散空间中也有高斯核
17：47 周颖学姐
目标检测->半监督训练目标间的关系，j个关系训练j个决策树
生成模型 exp(AY)
决策树怎么跑无标签数据？怎么用无标签数据来提高模型的效果？

用于神经网络置信度

训练数据外的数据被视为异常
18:32 王倩楠学姐
内存溢出问题，图像大小256，老师说可以把图缩小为128*128
18：44 谷老师
人与人交流时情感
表情、语气、姿势都能够表达情感
提取最有效的特征，比如说语音的大小
特征提取-》特征选择-》分类