首先人们着眼于一些全局特征,诸如纹理,颜色,形状特征
之后人们开始着眼于一些局部的特征比如SIFT,边缘特征
之后发展出了深度学习和机器学习的方法。
在数据驱动的图像识别之前:人们主要通过写具体的分类规则来进行图像识别(not scalable)
上面的特征都是不可推演的not scalable不可从猫的识别同理到狗的识别
数据驱动的学习,不用写具体的分类规则。
步骤:
1. 收集标注好的数据
2.用机器学习的方法学出一个分类器,通过对于训练集和验证集不断调参,最终得出一个较好的分类器(比如线性分类,感知机)
3.对分类器进行评价