图像特征描述子
本节课为「计算机视觉 CV 核心知识」第 12 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。
咱们前面两节课的内容都在分析计算机视觉中的两个关键步骤：feature + model。其中上节课内容中我们提到了一些决策函数改进的点。
在解决计算机视觉问题的过程，我们除了决策函数之外，另外一个关键点就是「描述子」。在这节课中，咱们就来好好聊聊。
描述子
其实，描述子就是图片提特征，get the feature。关于提特征，其实我们之前也提到过一些方法，包括直方图的特征，投影法等等一些方法。
其实在我们实际的计算机视觉中，图片描述子其实是有几种具体的方法的。比如说 Hog 特征。
我们之前课程中所讲的那些个特征其实都非常简单，本节中要讲一些常用的方法，像一些比较实用化的。相对于之前那些简单的方法来说比较繁琐。Hog 特征、LBP 特征、Haar 特征等等。
Hog (Histogram of Oriented Gradients)
LBP (Local Binary Pattern)
Haar - Like
...
整体上是这样一个步骤，我给了以上这份代码，大家在这个代码上填空就行了。
好，那这节课就到这里，下来大家记得完成作业。咱们下节课再见，拜拜。
收费文档，请转至此处查看原文
