书名：计算机视觉40例从入门到深度学习：OpenCV-Python
作者：李立宗
出版社：电子工业出版社
出版时间：2022-07-01
ISBN：9787121436857
一、传统方法的核心问题
- 选取合适的特征：
要高度概括图像特点，体现不同图像间的差异。 - 合适的量化方式：
将特征量化为合理的数值。 - 距离计算：
选用合适的距离计算方式计算距离。
传统方法的特点是，需要提取图像的特征，并手动对特征进行分析、处理。
在对特征进行分析、处理的过程中，距离的计算是非常关键的。
为实现图像的分类、识别等，人们提出了很多距离计算方式。
二、机器学习
为了更高效地处理图像，人们引入了机器学习。
机器学习方法的首要工作仍是进行特征的提取和量化，但机器学习提供了更多对特征值进行处理的方式，让我们能够根据需要对特征进行不同维度的分析、处理，从而得到对图像的分析处理结果。
简单来说，在传统方法中，我们常使用特征的距离来实现对图像的分析处理（如图像识别等）。
在使用机器学习处理图像时，机器学习提供了更多关于如何使用特征来完成图像处理工作的成熟方案。
我们可以直接采用已知的具体成熟方案来完成对特征的分析、处理工作，从而实现对图像的识别、分类等。
也就是说，在传统方式中，我们需要自己提取特征，然后选取一种有效的特征处理方式，如通过计算距离并对比结果等完成对特征的处理工作。
而在机器学习中，我们要做的工作只是提取特征，在提取完特征后，直接把特征交给机器学习算法来处理即可。
网友评论