基本信息
文件名称：人工智能基础与实战（微课版）_课件 6.1.2 图像分类的主要技术与发展趋势.pptx
文件大小：19.35 MB
总页数：10 页
更新时间：2026-03-10
总字数：约2.13千字
文档摘要
图像分类的
主要技术与发展趋势
项目四：看见世界，计算机视觉的启蒙之旅
引言
传统图像分类方法
深度学习的兴起
02
01
技术进展的影响
03
传统图像分类技术概述
传统图像分类技术依赖于手工设计的特征提取方法，如SIFT、HOG等，这些方法依赖于领域专家的知识来识别和提取图像中的关键信息。经典算法：支持向量机（SVM）经典算法：K近邻（KNN）
传统特征提取方法
手工提取特征的过程计算量大，尤其是在处理大规模图像数据集时，这不仅增加了处理时间，也提高了对计算资源的需求。
计算量大的问题
传统方法中特征提取依赖于手动设计，这不仅耗时且需要专业知识，而且对于复杂或变化多端的图像内