特征及决策函数
本节课为「计算机视觉 CV 核心知识」第 11 节；
「AI秘籍」系列课程：
可直接在橱窗里购买，或者到文末领取优惠后购买：
Hi，大家好。我是茶桁。
上一节课中，咱们分析了计算机视觉和图像处理的差别，也了解了计算机视觉中的两个关键步骤：计算机视觉 = feature + model。在这节课中，咱们继续来深入讲讲这个概念。
我们继续拿上节课中的示例图来讲：
特征提取
我们现在来想一个示例，在这个示例中，有 1000 张图片、1
万张图片...。不管有多少，按照我们之前所讲的计算机视觉的关键步骤，我要对它进行识别的话还是需要两步，feature + model。
那么本例可以这样去设计我们特提特征的思路：
- 所有的 pixed 直接拉平
- 直方图作特征
- 投影法
- 还能想到其他吗？
...
OK，既然我们大致了解了计算机视觉的两个关键点，需要从这两个方面去考虑，一个是「决策函数」方面，一个就是「描述子」方面。决策函数我们讲了一些改进的方法，包括模板匹配改进为线性模型或者其他机器学习的模型。那么下一节课，咱们就来看看描述子的改进方法。
收费文章，请至此处查看原文
