目的：做一个简易的图片分类。
使用到的算法：hog、surf+svm
图片集：cifar-10、cifar-100、stl-10、自制图片集
分类完整代码链接
使用说明：
1.cifar-10、cifar-100和stl-10直接解压
2.自制图片集文件夹结构：
├─homemade
│ ├─标签1
│ ├─标签2
│ ├─标签3
│ ├─标签4
│ ├─标签5
│ └─标签6
每个“标签N”里面是存储的属于该标签的图片，图片名为“标签名+数字”
自制图片全是百度爬取自己筛选的
3.依赖库
文件说明：
categoriesGUI.py：gui界面
categoriesGUI.spec：用于Pyinstaller生成exe
config.py：读取配置参数
modelTrain.py：模型训练
picCategories.py：图片集分类，利用的是modelTrain.py训练保存的模型
config/config.cfg:配置参数，部分参数和python中算法的参数相对应
结果总结：
1.hog是利用梯度变换提取特征，并且缺少旋转和尺度不变性。
2.surf是SIFT角点检测算法的改进版，速度提升比较大。
3.相同图片集，对比hog+LinearSVC和surf+LinearSVC，hog效果要好一些（这里不知道为什么）
4.不同图片集，各类别中的图片数量越多，hog识别效果越好
5.还可以优化部分分别是：
a.surf读取图片改为读取每一张图片就进行surf特征提取，在释放掉图片内存，这样可以减小内存。
b.模型训练采取的是LinearSVC，采取其他的效果应该要好些。
c.在surf+LinearSVC中使用的是MiniBatchKMeans，速度比kmeans快，效果差距不大
d.自己调参数，这里可以提高一些识别率。
6.surf由于提取特征大小不同，所以采用了词袋的方法。
