【深度学习】图像分类问题笔记_intra-class variation

困难和挑战

• 视角变化（Viewpoint variation）：同一个物体，摄像机可以从多个角度来展现。
• 大小变化（Scale variation）：物体可视的大小通常是会变化的（不仅是在图片中，在真实世界中大小也是变化的）。
• 形变（Deformation）：很多东西的形状并非一成不变，会有很大变化。
  遮挡（Occlusion）：目标物体可能被挡住。有时候只有物体的一小部分（可以小到几个像素）是可见的。
• 光照条件（Illumination conditions）：在像素层面上，光照的影响非常大。
• 背景干扰（Background clutter）：物体可能混入背景之中，使之难以被辨认。
• 类内差异（Intra-class variation）：一类物体的个体之间的外形差异很大，比如椅子。这一类物体有许多不同的对象，每个都有自己的外形。

实现步骤

1. 低维度特征提取
   常用的局部特征提取的方法有：SIFT HOG LBP
2. 特征编码
   常用的特征编码的方法有：vector quantization, sparse coding, locality-constrained linear coding, Fisher vector encoding
3. Spatial constraint
   注： spatial constraint 不会翻译，其解释如下：Spatial const