Artificial intelligence SURF描述符提取的值是神经网络的良好输入吗？

如标题所述，这些值是否足以训练神经网络进行分类任务（2类）

我的目标是尝试使用SURF提取的特征点分割前景和背景。提取的这些特征点将输入神经网络（监督或分类）

---

我的问题是，这些值（128或64个梯度信息）是训练NN的好选择吗？

简短回答：是的，非常好

---

稍微长一点的回答：你依靠SURF做SURF最擅长的事情，你依靠NN来分类/识别这些输入的模式。完全正确。事实上，这总是取决于手头的具体任务，如果出于任何原因，SURF没有获取与您正在构建的模型相关的功能，那么您将遇到麻烦。但总的来说：大拇指向上。

您能提供一个数据示例吗？您成功做到了吗？我在做类似的工作，从静态图像中提取汽车，我在做研究时遇到了这个问题。如果你已经做到了，你能和我们分享一下你是如何做到的吗？不是代码，至少是理论。结果对我来说不太好，但也不太坏。我会说60-70%的准确率。忽略假阴性，假阳性率相当低。我设法检测到目标对象上的大多数点，但在测试视频的整个帧中，这些点不够一致。它可以在静态图像下工作，这取决于你的训练集。谢谢你的回答，我现在就来试试。我先把这个问题留待几天再说。