1.2 传统机器学习方法的局限性

文档摘要

1.2 传统机器学习方法的局限性 1.2 传统机器学习方法的局限性在卷积神经网络（CNN）崛起并彻底改变图像识别领域之前，研究人员和工程师主要依赖于传统的机器学习技术来解决图像分类、目标检测等问题。这些方法在一定程度上取得了进展，尤其是在特定、受控的环境下。然而，面对真实世界图像的多样性、复杂性和海量数据，传统方法很快暴露出其固有的局限性，这些局限性正是推动深度学习和CNN发展的关键驱动力。传统的图像识别流程通常可以概括为以下几个主要步骤：预处理（Preprocessing）：对原始图像进行归一化、去噪、缩放等操作。特征提取（Feature Extraction）：这一步是传统方法的核心和瓶颈。研究人员需要设计并手动提取图像中能够代表其内容的特征。