图像搜索引擎 - 特征篇

在简介篇中我们简单说过图像特征，图像特征的提取有两种常用方式，一是提取例如SIFT特征，手工进行特征的筛选等，需要计算机视觉方面的先验性知识；二是使用当前很火的深度学习，训练出基于卷积神经网络模型的特征提取算子，某宝和某度用的就是这种方法。本文只涉及基于卷积神经网络提取出的特征。

关于特征

特征是计算机视觉的原材料，对最终模型的影响是毋庸置疑的。如果数据被很好的表达成了特征，通常线性模型就能达到满意的精度。那对于特征，我们需要考虑什么呢？

特征表示的粒度

就一个图片来说，像素级的特征根本没有价值。例如下面的摩托车，从像素级别，根本得不到任何信息，其无法进行摩托车和非摩托车的区分。而如果特征是一个具有结构性（或者说有含义）的时候，比如是否具有车把手（handle），是否具有车轮（wheel），就很容易把摩托车和非摩托车区分，计算机视觉和深度学习算法才能发挥作用。

初级（浅层）特征表示

计算机视觉领域的大牛们很早发现，复杂图形往往由一些基本结构组成。比如下图：一个图可以通过用64种正交的edges（可以理解成正交的基本结构）来线性表示。比如样例的x可以用1-64个edges中的三个按照0.8,0.3,0.5的权重调和而成。而其他基本edge没有贡献，因此均为0。