概述:该方法可以自然的延伸到神经网络和卷积神经网络上。这种方法主要有两个部分组成：一个是评分函数（score function），它是原始图像数据到类别分值的映射。另一个是损失函数（loss function），它是用来量化预测分类标签的得分于真实标签之间的一致性。该方法可转化为一个最优化问题，在最优化过程中，将通过更新评分函数的参数来最小化损失函数值。
该方法的第一部分就是定义一个评分函数，这个函数将图像的像素值映射为各个分类类别的得分，得分高低代表图像属于该类别的可能性高低。
评分函数：
损失函数：
用于衡量我们对结果的不满意程度。直观地讲，当评分函数输出结果与真实结果之间差异越大，损失函数输出越大，反之越小。
多类支持向量损失（multiclass support vector machine loss）
其中是权重Wj的第j行，被变形为列向量
