传统类检测算法和深度学习算法不同之处

传统的类检测算法通常是基于手工设计的特征提取方法，例如Haar特征、HOG特征等，然后使用分类器（如SVM、Adaboost等）对提取的特征进行分类。这些方法通常需要大量的领域知识和人工劳动，并且对于不同的任务需要重新设计新的特征，因此具有较强的局限性。

深度学习算法则不同，它可以通过训练神经网络自动学习特征并进行分类。深度学习算法不需要手工设计特征，可以直接从原始数据中提取特征，并且具有较好的泛化性能。与传统的算法相比，深度学习算法需要更多的数据和计算资源，并且需要更多的时间进行训练。

因此，传统的类检测算法需要人工设计特征和分类器，而深度学习算法可以自动学习特征并进行分类，具有更好的泛化性能和可扩展性。