文章插图
2）提取特征
如果字母X、字母O是固定不变的 。那么最简单的方式就是图像之间的像素一一比对就行 。但在现实生活中 。字体都有着各个形态上的变化（例如手写文字识别） 。例如平移、缩放、旋转、微变形等等 。如下图所示：
文章插图
我们的目标是对于各种形态变化的X和O 。都能通过CNN准确地识别出来 。这就涉及到应该如何有效地提取特征 。作为识别的关键因子 。回想前面讲到的“局部感受野”模式 。对于CNN来说 。它是一小块一小块地来进行比对 。在两幅图像中大致相同的位置找到一些粗糙的特征（小块图像）进行匹配 。相比起传统的整幅图逐一比对的方式 。CNN的这种小块匹配方式能够更好的比较两幅图像之间的相似性 。如下图：
文章插图
以字母X为例 。可以提取出三个重要特征（两个交叉线、一个对角线） 。如下图所示：
文章插图
假如以像素值\"1\"代表白色 。像素值\"-1\"代表黑色 。则字母X的三个重要特征如下：
文章插图
对其进行特征匹配计算的方法不在这里阐述 。
推荐阅读
- 交通事故认定复核的期限是多久
- 男人如何体现自己的责任和担当？
- 交通事故十级伤残交强险赔偿范围 事故十级伤残交强险赔多少钱
- 交通事故责任书出来的时间是什么时候
- 交通事故小孩轻微伤的赔偿标准是怎样的
- 木瓜发苦吃了会中毒吗
- 多层感知器,为什么能实现非线性？
- 什么样的男人叫做有担当？
- 腊肉腌制2天可以晾晒吗