机器学习特征,为什么像素级的特征是没有作用的?

发布网友发布时间：2022-05-30 19:15

共2个回答

热心网友时间：2023-11-03 10:53

图像可以蕴含丰富的信息，人对图像的解读是多方面多层次也是面向主题的，总体而言人的视觉理解能力主要是基于特征而非像素，即图像的内容通过特征来描述。

一般将图像的视觉特征分为通用和领域相关两类。前者用于描述所有图像共有的特征，与图像的具体类型或内容无关，主要包括色彩、纹理和形状；
后者则建立在对所描述图像内容的某些先验知识（或假设）基础上，与具体的应用有关，例如人的面部特征或指纹特征等。

图像中任何特征的提取，均基于像素点（即采样点）展开，但像素不是特征。

像素点数据对于图像的几何变换、画质变化都非常敏感。若视每个像素为一个变量，直接将每幅图像作为一个样本，以图像内容或某主题的分类/聚类为目标，则对一般图像而言，任意单个像素代表的变量都没有对应的确定且可解释的意义，通常也不是必要的。对一般机器学习建模方法来说，像素数据不具备一般变量的性质。即使有常规的变量选择/特征提取处理，也不可能得到满意效果。所以图像的机器学习需要按主题选择特定的特征提取方法。

你说的图像数据太大太稀疏，对机器学习方法的算法计算能力来说，也的确是个问题。但即使图像是连续彩色图（不稀疏），人视觉可分辨的最小尺寸（不大），直接使用像素数据对于多数机器学习方法来说也不可能得到满意解。

另外概念上“陆小疯”君说的也对。

热心网友时间：2023-11-03 10:53

楼主在玩deep learning么。。。其实可以这么理解，对于一句中国话，比如说：我是中国人，但是你只是认识“我” “是 ”中“ ”国“ ”人“这几个字，那其实你对于这句话还是不理解，因为你不知道”我“是什么概念。不知道”中国人“是什么概念。。像素就是那样，最浅层次的特征，当我们需要更加好的去表达一件事物的时候，需要在原来的基础上抽象，这符合人类思考的流程：对于一句最简单的句子，开始我们认识句子中的每个字（这个相当于像素级别特征），然后就是对句子分词（第一次抽象），然后分析句子结构（第二次抽象），最后结合词语的意思和句子的结构（第三次抽象），然后我们就可以理解这个句子了。