目的：做一個簡易的圖片分類。
使用到的演算法：hog、surf+svm
圖片集：cifar-10、cifar-100、stl-10、自制圖片集

分類完整程式碼連結

使用說明：
1.cifar-10、cifar-100和stl-10直接解壓
2.自制圖片集資料夾結構：
├─homemade
│ ├─標籤1
│ ├─標籤2
│ ├─標籤3
│ ├─標籤4
│ ├─標籤5
│ └─標籤6
每個“標籤N”裡面是儲存的屬於該標籤的圖片，圖片名為“標籤名+數字”
自制圖片全是百度爬取自己篩選的
3.依賴庫
檔案說明：
categoriesGUI.py：gui介面
categoriesGUI.spec：用於Pyinstaller生成exe
config.py：讀取配置引數
modelTrain.py：模型訓練
picCategories.py：圖片集分類，利用的是modelTrain.py訓練儲存的模型
config/config.cfg:配置引數，部分引數和python中演算法的引數相對應

結果總結：
1.hog是利用梯度變換提取特徵，並且缺少旋轉和尺度不變性。
2.surf是SIFT角點檢測演算法的改進版，速度提升比較大。
3.相同圖片集，對比hog+LinearSVC和surf+LinearSVC，hog效果要好一些（這裡不知道為什麼）
4.不同圖片集，各類別中的圖片數量越多，hog識別效果越好
5.還可以優化部分分別是：
a.surf讀取圖片改為讀取每一張圖片就進行surf特徵提取，在釋放掉圖片記憶體，這樣可以減小記憶體。
b.模型訓練採取的是LinearSVC，採取其他的效果應該要好些。
c.在surf+LinearSVC中使用的是MiniBatchKMeans，速度比kmeans快，效果差距不大
d.自己調引數，這裡可以提高一些識別率。
6.surf由於提取特徵大小不同，所以採用了詞袋的方法。