特征融合的定义
特征融合的分类
参考文献
特征融合的定义
特征融合是模式识别领域的一种重要方法，计算机视觉领域的图像识别问题作为一种特殊的模式分类问题，仍存在很多挑战，特征融合方法能够中和利用多种图像特征，实现多特征的优势互补，获得更加鲁棒和准确的识别结果。
计算机视觉（Computer Vision）又称为机器视觉（Machine Vision），顾名思义是一门”教”会计算机如何去”看”世界的学科。在机器学习大热的前景之下，计算机视觉与自然语言处理（Natural Language Process， NLP）及语音识别（Speech Recognition）并列为机器学习方向的三大热点方向。而计算机视觉也由诸如梯度方向直方图（Histogram of Gradient， HOG）以及尺度不变特征变换（Scale-Invariant Feature Transform， SIFT）等传统的手办特征（Hand-Crafted Feature）与浅层模型的组合逐渐转向了以卷积神经网络（Convolutional Neural Network， CNN）为代表的深度学习模型。
特征融合的分类
参考文献
[1] https://blog.csdn.net/qq_42012782/article/details/123202419 特征融合的分类和方法
[2] https://zhuanlan.zhihu.com/p/457590578 浅析深度学习中的Skip Connection
[3] https://zhuanlan.zhihu.com/p/31852747 你必须要知道CNN模型：ResNet
[4] https://zhuanlan.zhihu.com/p/67206089 CNN（卷积神经网络）介绍
[5] https://blog.csdn.net/zj15939317693/article/details/80596870 SSD(Single Shot MultiBox Detector)算法理解
[6] https://blog.csdn.net/stu_shanghui/article/details/92017675 FPN网络详解——feature pyramid network
Original: https://blog.csdn.net/DreamZ00/article/details/125759534
Author: DreamZ00
Title: （学习笔记2）特征融合
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/645711/
转载文章受原作者版权保护。转载请注明原作者出处！