人工智能/机器学习基础知识——特征工程

本文探讨了特征工程在计算机视觉领域的关键应用,如HOG(方向梯度直方图)用于人脸检测和纹理分类,LBP(局部二值模式)和其变种MB-LBP用于纹理分类,以及SVM-RFE在微信等文本数据中的特征选择。
摘要由CSDN通过智能技术生成

特征工程(Feature Engineering)

图像特征

HOG

Paper : Histograms of Oriented Gradients for Human Detection

Histogram of Oriented Gradient

  • HOG+PCA配合使用在主成分数量大于10时,效果不错

LBP

Local Binary Pattern

For texture classification (用于纹理分类)

MB-LBP

Multi-Block Local Binary Pattern

For texture classification (用于纹理分类)

Haar-like

Haar-like

用于人脸检测

文本特征

微信

SVM-RFE

SVM-Recursive Feature Extraction

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值