我想建立一个神经网络，但因为我有高分辨率的图片，我拒绝了将整个图像传递给 NN 的想法。
我想知道用作 NN 输入的最常见的提取特征是什么。
我知道功能取决于图像的类型。但我想我想知道标准功能是什么。我还想了解有关此主题的信息和/或示例的论文或书籍。
图像识别中最常见的提取特征
机器算法验证
参考
神经网络
模式识别
图像处理
2022-04-05 00:18:54
2个回答
一种标准方法是使用受限玻尔兹曼机进行特征提取，然后将 RBM 重新考虑为神经网络并使用反向传播完成训练。参见，例如，
GE Hinton，“识别形状，首先学会生成图像”，大脑研究进展，卷。165，第 535-547 页，2007 年。
这是自动特征提取的一个例子。听起来您也对人为导向的特征提取感兴趣，对此我期待其他人的答案……
我想到了不同类别的图像特征：
- 颜色特征，例如颜色直方图，例如可以在 RGB 或 HSV 空间中
- 其他直方图方法，例如定向梯度直方图 (HOG)
- 纹理特征，例如 Tamura 或 Haralick 的
- SIFT 和 SURF 功能也很受欢迎
幸运的是，存在提供对许多图像功能的访问的库。看看WND-CHARM，他们声称支持大约 3000 种不同的图像描述符。