文档摘要

2.4 特征提取固化向量 本节摘要：特征提取把"对齐后的标准脸"编码成一段紧凑的浮点向量，这就是第 1 章说的"身份签名"。它的全部追求浓缩成四个字：稳定可分——同一个人各种姿态光照下给出的向量尽量靠近，不同的人尽量拉远。本节对照手工特征（LBP、HOG、Gabor）与深度嵌入（FaceNet、ArcFace 风格）两条路线，让你理解现代方案为什么赢在"特征不是人定而是数据学出来的"。 会员。《2.4 特征提取固化向量》收录于灏天文库文集《人脸识别技术原理与应用》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/469-%E4%BA%BA%E8%84%B8%E8%AF%86%E5%88%AB%E6%8A%80%E6%9C%AF%E5%8E%9F%E7%90%86%E4%B8%8E%E5%BA%94%E7%94%A8

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流