《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
【摘要】
本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第2章,第2.2.4节,作者是[澳]萨尔曼·汗(Salman Khan)侯赛因·拉哈马尼(Hossein Rahmani)赛义德·阿法克·阿里·沙(Syed Afaq Ali Shah)穆罕默德·本纳努恩(Mohammed Bennamoun),黄智濒 戴志涛 译。
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。
【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)