特征提取一个类型维数降低的能够有效地表示作为一个紧凑的特征向量的图像的感兴趣的部分。当图像尺寸较大,减少了一些功能表示需要快速完成任务,如图像匹配和检索此方法非常有用。
特征检测,特征提取和匹配常常合并来解决常见的计算机视觉问题,如目标检测和承认基于内容的图像检索,人脸检测和承认和纹理分类。
检测在杂乱场景(右)使用组合特征检测,特征提取和匹配的对象(左)。看到例了解详情。
深度学习模型也可用于自动特征提取算法。其他常见的特征提取技术包括:
一旦功能已被提取,它们可以用来构建机器学习模型进行准确的目标识别和目标检测。
有关详情请参阅计算机视觉工具箱™和图像处理工具箱™。两个工具箱都与使用MATLAB®。
方向梯度(HOG)的图像(顶部)的特征提取的直方图。创建不同尺寸的特征矢量通过改变小区大小(底部)来表示图像。看到例了解详情。
也可以看看:特征匹配,目标检测,防抖,图像处理和计算机视觉,人脸识别,图像识别,目标检测,物体识别,数字图像处理,光流,RANSAC,模式识别,点云,深度学习
在这个过程中,你会确定如何使用无监督学习技术来发现在大型数据集的功能和监督学习技术来构建预测模型。
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处