《卷积神经网络与计算机视觉》 —2.2.4传统的手工工程特征的局限性

2.2.4传统的手工工程特征的局限性

直到最近，计算机视觉的进步是基于手工工程特征的。然而，特征工程是困难的、耗时的，并且需要关于问题领域的专业知识。手工工程特征（如HOG、SIFT、SURF或其他类似算法）的另一个问题是它们在信息方面太稀疏，无法从图像中捕获。这是因为对于大多数计算机视觉任务（例如图像分类和对象检测）而言，一阶图像微分并不是充分特征。而且，特征的选择通常取决于应用。更确切地说，这些特征不会有助于从先前的学习/表示（迁移学习）中学习。此外，手工工程特征的设计受限于人类可以制定的复杂性。 使用诸如深度神经网络的自动特征学习算法可以解决所有这些问题，这将在随后的章节（第3~6章）中介绍。