听《熊鹏飞-机器学习与图像理解》

2019-11-25

图像理解包括内容：

• 识别：一张照片中包括哪些东西
• 检测：东西的位置
• 分割：每个像素的归属

图像分类是研究的基础。类别，区域，与像素，不断地细化任务。
简单图像：
一是，特征的学习，其实就是表示的描述。二是，分类器。
F(x)：图像颜色值，Hash 值，DCT 变换，颜色直方图。
C(x)：欧式距离，汉明距离，余弦距离。

相似图像检索：
图像指纹，计算Hash向量的汉明距离，存储小，速度快；计算DCT保留低频，比较邻域。
颜色直方图，

图像特征的学习
梯度特征具有本体不变性。
Gabor 短时傅立叶变换，不同的变换抽取不同、多尺度的特征。
LBP，统计邻域的图像变化。
边缘滤波。
HOG 梯度方向直方图
图像分块，为了得到全局特征。

局部特征 SIFT 特征，金字塔匹配，邻域插值，去除边缘点。
特征点检测，高维数据需要在低维表示。