hl-imagenet

该项目是一个基于启发式学习的图像分类实验，不使用神经网络、梯度下降或反向传播。核心功能是通过经典计算机视觉技术构建符号化的图像分类器，并在Tiny ImageNet数据集上进行10类真实图像分类测试。技术特点包括采用Jiayi Weng提出的启发式学习框架，能够实现较高的训练准确率（最高达到100%），但验证集上的泛化能力相对较低（约52%）。适合于研究和探索非深度学习方法在图像分类中的应用潜力，特别是在需要高透明度和可解释性的场景下。