单元三 · 图像声音与视频的智能生成
第10课 图像特征的提取
一、学习目标
- 理解图像特征的含义及其在智能任务中的作用。
- 了解人工描述与自动提取特征的差异。
- 体验图像相似度计算等应用。
二、情境导入
计算机怎样「看懂」一幅图？它抓住的是哪些特征？
人描述图像与模型自动提取特征有什么不同？
三、核心讲解
本课学习路径：
1图像特征与人工智能
2特征的自动提取
3相似度计算应用
1．图像特征与人工智能
图像特征是用于区分与匹配图像的关键信息，如颜色、纹理、边缘、关键点分布等。
图像特征：从像素中提炼出的可比较表示，供分类、检索与相似度计算使用。
- 人可以按语义描述「一只猫在沙发上」
- 模型常先得到数值化特征，再进行后续计算
- 特征是否有效，直接影响识别与匹配成败
想一想：若只保留颜色平均值，丢失形状，可能造成哪些误判？
2．特征的自动提取
自动提取可减少手工设计负担，由算法或网络从数据中学习有用表示。
自动提取：用算法从图像中计算特征；不同方法关注的点、尺度与鲁棒性不同。
- 可观察关键点或特征图的分布
- 对比不同图像提取结果的差异
- 思考：光照、旋转、遮挡会怎样影响特征
想一想：拍摄同一物体换个角度，特征还应尽量保持什么性质？
3．相似度计算应用
提取特征后，可通过距离或相似度比较两幅图是否接近，用于检索与匹配。
图像相似度：在特征空间中比较接近程度；越相似通常距离越小或得分越高。
- 在本课相似度组件中上传/选择图像进行对比
- 解释：为何两张「看起来像」的图得分更高
想一想：以图搜图时，系统比较的是原图像素文件名，还是特征表示？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_image_similarity_calculation — 在框内完成操作
五、课堂总结
- 图像特征是智能视觉任务的基础表示。
- 自动提取与相似度计算支持检索、匹配等应用。
六、拓展提升
- 选三张图（两张相似、一张不相似），预测相似度排序并用组件验证。
测评
对照本课学习目标作答（客观题练习）；选出后点「检查」。答错会显示简短说明。
图像特征主要用于：
计算两图是否相似，关键是：
判断：图像特征只能由人逐笔手绘，不能自动提取。
本节小结
回顾本课要点，完成动手体验与测评。记住：图像特征的提取。