关于图像检索方面的一些怪想法

       最近看了不少的论文，各种算法，SIFT，SURF，SUSAN。。。。。等等，但是在解决仿射不变性，尺度不变性，遮挡等方面总不是特别的完美，于是我就特别的好奇，为什么人可以轻松的对这些进行识别，而计算机就是不行。于是就想到一个故事，达芬奇画鸡蛋，计算机看到的鸡蛋，就和达芬奇画出来的鸡蛋是一样的，不同的视角鸡蛋总是不同的，你要想让计算机认识鸡蛋，即使就是一个鸡蛋，那也有各种角度，不同距离形成的视觉大小变化，还不说鸡蛋就更是每个都不相同，但是这么多鸡蛋，人只要认识一个就能认识所有，这是为什么。既然计算机不可能认识所有 鸡蛋，那就用机器学习吧，慢慢的教，但是看了论文，好像效果也不是很好。人看到的东西都是3D的，包括人的存储，所以当人存储了鸡蛋或者车的模型后，就可以轻松的认识每一个车和鸡蛋了，即使叫不是车的名字，但是还是知道，这是一个车。所以我觉得问题的根源是不是在于人能识别i因为人看到的是3D的，所以很容易在3D的环境中进行匹配识别，而计算机看到的是2D的，想要2D的在3D中进行识别，就会困难一些。所以如果计算机采用双摄像头进行3D图像采样，然后在识别会不会效果会好很多，如果在视频中进行检索，能不能计算机看到一个车的图形后，构建一个车的3D模型，反正车的样子都差不多，然后用这个3D的模型去检索。只是一个想法，不知道对不对，先记录下来，有空测试测试