一、 global descriptors and local descriptors
1. golbal descriptors: 描述的是图像的整体特征，也就是将衣服图像作为一个征集来计算特征。常见的全局描述子有：contour representation(轮廓表示)， shape,texture, Invariant moment, HOG, CO-HOG,gists等.
2. local descriptors: 将一幅图像拆分为很多个patch来计算特征。常见的局部描述子有：SIFT,SURF,LBP,BRISK,MSER,FREAK.
相比而言，全局特征鲁棒性较差，在目标检测和分类的时候经常用到；局部特征鲁棒性强，在high leavel application，比如目标识别中常用到.
二、 SIFT, HOG, GIST比较
1. SIFT经常用来进行局部特征匹配，也可以构建视觉词典来做分类。
2. HOG是通过sliding window计算，经常用来进行行人检测
3. GIST是全局特征，经常用来做场景分类
这些特征在计算上区别在于bin的计算，直方图的归一化(e.g. using Gaussian weights when binning spatially, using interpolation when binning into orientation bins, using neighboring spatial bins when normalizing as in HOG, etc)
http://cvcl.mit.edu/papers/OlivaPBR2006.pdf
三、feature map:
将数据向量data vector投影到feature space的函数, 通常指机器学子中的kernel methods