理工酷

这个问题没有一个单一的答案，因为有很多不同的方法可以从图像中提取特征。 首先，什么叫特征？ “某物的独特属性或方面。”因此，特征是为特定实例提供一组值，以使该实例与对应实例有所不同。 在图像领域，特征可能是简单的原始像素，例如众所周知的Mnist数据集的数字识别。 但是，在自然图像中，使用简单图像像素的描述是不够的。 我们有两个主要方面可以遵循。 一种是使用人工设计的特征提取方法（例如SIFT，VLAD，HOG，GIST，LBP），另一种方法是学习在给定上下文中具有区别性的特征（例如稀疏编码，自动编码器，受限玻尔兹曼机，PCA，ICA，K-均值）。请注意，第二种替代方法是当今的热点。 举个例子， SIFT（尺度不变特征变换）是一种先进的手工设计方法。SIFT首先检测图像中的边缘和角落。 在生成的图像上，SIFT尝试找到将该图像与其他图像区分开的点（也称为兴趣区域）。 然后，从每个ROI（感兴趣区域）中提取一个直方图，其中每个面元都是特定边或角方向的计数。 这些直方图可以通过聚类方法（例如K均值）进行连接或量化为一些较小的组。（我在这里非常简单地解释了SIFT，因为确切的表达方式更加复杂，并且需要一定程度的计算机视觉和微积分知识）。 下面是一些SIFT数据。 边缘检测 直方图计算