Haar 小波

概述

Haar 小波是最简单的小波变换基函数，其衍生出的 Haar-like 特征在 Viola-Jones 人脸检测框架中广泛应用，是深度学习前最成功的视觉特征之一。

关键内容

1. 数学基础：Haar 小波是最早的小波基（1909 年由 Alfréd Haar 提出），由简单的阶梯函数构成。在图像处理中，Haar-like 特征通过计算相邻矩形区域的像素差值来捕获边缘、线条和纹理等局部模式。
2. Viola-Jones 人脸检测：2001 年，Viola 和 Jones 将 Haar-like 特征与 AdaBoost 级联分类器结合，实现了实时人脸检测。这是计算机视觉史上最有影响力的工作之一，被广泛应用于数码相机、手机等设备。
3. 与深度学习的对比：Haar-like 特征是特征工程（Feature Engineering）的典型案例——通过人工设计矩形模式来检测特定视觉模式。其局限在于：(1) 仅适用于特定任务（如人脸检测）；(2) 无法泛化到复杂的多类别识别任务。AlexNet 证明了深度网络可以自动学习远超手工设计的特征。
4. 历史地位：Haar 小波/Viola-Jones 代表了手工特征+传统机器学习（AdaBoost）的经典范式。深度学习时代后，端到端学习的方式取代了这种分阶段设计。

来源

• [raw/articles/ai-papers/foundations/paper_03_alexnet.md] — AlexNet 论文精读

相关

• 特征工程（Feature Engineering） — exemplar_of
• 计算机视觉 — used_in
• AlexNet — superseded_by
• SIFT（尺度不变特征变换） — related_technique
• HOG（方向梯度直方图） — related_technique