顾名思义，基于像素的对象识别通过分析图像的单个像素来工作。例如：您分析具有许多不同深浅的蓝色和一些灰色像素的图像 - 您可能会假设这是天空中的飞机或水中的船的图像。

您还可以通过计算 2 个图像的每个像素之间的差异并总结差异来寻找相似的图片。差异之和越小，图片越相似。

这取决于您的工作领域，但这些方法很可能不足以进行可靠的图像识别。

您还提到了神经网络。当然，您可以将原始像素数据输入神经网络，但这不是最先进的。你几乎总是会使用 CNN，这让我想到了你的下一点。

基于特征的对象识别，顾名思义，试图从图像中提取某些特征来执行分类。在将输出提供给神经网络之前，您可以使用多个卷积层进行分析。这种架构称为 CNN（卷积神经网络）。

如果不显示示例，很难解释这些功能的实际外观。我建议观看斯坦福课程 CS231n 的以下两堂课：

• 第2讲 | 图像分类
• 第五讲 | 卷积神经网络

第一个解释了一般的图像分类，并展示了一些基于像素的算法的实现。第二个深入 CNN 并解释基于特征的方法。我强烈建议您观看完整系列，但如果您赶时间，那两堂课会告诉您您想知道的内容。