1.重新理解了SVM公式

2.tan^-1 其实是反三角函数

VC++实现识别手写汉字

现在是晚上8点半，希望一个半小时实现，加油

关于DPM的改进hog特征

DPM改进后的HOG特征取消了原HOG中的块(Block)，只保留了单元（Cell），但归一化时，是直接将当前单元与其周围的4个单元（Cell）所组成的一个区域归一化，所以效果和原HOG特征非常类似。计算梯度方向时可以计算有符号（0-360°）或无符号（0-180°）的梯度方向，有些目标适合使用有符号的梯度方向，而有些目标适合使用无符号的梯度，作为一种通用的目标检测方法，DPM与原HOG不同，采用了有符号梯度和无符号梯度相结合的策略。如此，如果直接将特征向量化，那么单单一个 的单元，其特征维数就高达，维数过高。Felzenszwalb提取了大量单元的无符号梯度，每个单元共 维特征，并进行了主成分分析（Principal Component Analysis，PCA），发现使用前11个特征向量基本上可以包含所有的信息，不过为了快速计算，作者由主成分可视化的结果得到了一种近似的PCA降维效果。具体来说，将36维向量看成的矩阵，对每一行，每一列求和得到13维特征，基本上能达到HOG特征36维的检测效果。为了提高那些适合使用有符号梯度目标的检测精度，作者再对18个有符号梯度方向求和得到18维向量，并入其中，最后得到图 4.4中的维特征向量。