SIFT

概述

SIFT（尺度不变特征变换）是一种经典的局部特征描述子算法，能够在不同尺度、旋转和光照条件下检测和描述图像关键点，是深度学习时代前最成功的视觉特征之一。

关键内容

1. 核心思想：SIFT 通过构建高斯金字塔检测尺度空间极值点（DoG 算子），为每个关键点分配主方向（实现旋转不变性），然后提取 128 维特征描述子。整个过程完全基于图像局部梯度统计，无需任何训练数据。
2. 三大不变性：尺度不变性——通过高斯金字塔和多尺度 DoG 检测，同一物体在不同距离下能被识别；旋转不变性——基于梯度方向直方图确定主方向，描述子相对主方向计算；光照不变性——描述子归一化后对线性光照变化鲁棒。
3. 与深度学习的对比：在 AlexNet（2012）之前，SIFT + SVM/词袋模型是计算机视觉的主流范式。SIFT 需要领域专家设计，泛化能力有限——它擅长局部匹配但不擅长高层语义理解。AlexNet 证明端到端学习的特征远优于手工设计的 SIFT，Top-5 错误率从 ~26% 降至 16.4%。
4. 遗留价值：尽管被深度学习取代，SIFT 在特定场景仍有应用：3D 重建（SfM）、图像拼接、小样本匹配、以及作为深度学习模型的辅助特征。

来源

• [raw/articles/ai-papers/foundations/paper_03_alexnet.md] — AlexNet 论文精读（传统方法对比）

相关

• 手工特征工程 — exemplar_of
• HOG — compares_to
• Haar 小波 — compares_to
• AlexNet — superseded_by
• 卷积神经网络（CNN） — superseded_by