UMICH CV Neural Network 对于传统的线性分类器，分类效果并不好，所以这节引入了一个两层的神经网络，来帮助我们进行图像分类 可以看出它的结构十分简单，x作为输入层，经过max（0，W1*x）到达h隐藏层，再经过W2到达s输出层 如果我们对隐藏层的结果进行可视化，我们可以看到如下的
UMICH CV Linear Classifiers 在上一篇博文中，我们讨论了利用损失函数来判断一个权重矩阵的好坏，在这节中我们将讨论如何去找到最优的权重矩阵 想象我们要下到一个峡谷的底部，我们自然会选择下降最快的斜坡，换成我们这个问题就是要求权重矩阵相对于损失函数的梯度函数，最简单的方法就是使
UMICH CV Linear Classifiers 对于使用线性分类器来进行图片分类，我们可以给出这样的参数化方法： 而对于这样一个式子，我们怎么去理解呢？ 首先从代数的角度，这个f(x,W)就是一张图片的得分，我们可以将一张图片所有的像素点输入，乘以一个权重矩阵，再加上一个偏置项b，就得到f(
