图像特征与边缘（image features and edges）
/ IM-ij FEE-churs and EJ-iz /
在机器能认出一张脸或一条路之前，它得先在原始的像素汪洋里找到可以抓住的东西。特征就是那些抓手：边缘（亮度的剧烈变化，比如深色屋顶与明亮天空相接处的那条轮廓线）、角点、斑块和纹理。边缘是最基本的特征——它标记出一条边界。角点，也就是两条边缘相交之处，则更有用，因为它很容易在另一张照片里重新找到。这些细小而独特的地标，就是拼写出更高层级识别的字母表。
几十年来，研究者手工设计出种种巧妙的配方来检测这些特征——你可能会遇到的名字包括Canny边缘检测器，以及SIFT、ORB这类关键点方法。其思路是把一张杂乱的照片浓缩成一组紧凑而稳定的地标，再在不同图像之间匹配这些地标。全景拼接就是这样把你的照片缝在一起的，手机也是这样追踪世界来实现增强现实的，更早的识别系统在深度学习之前也是这样工作的。
这里有一个诚实的历史转折。现代深度网络很少直接使用这些手工特征；它们改为从数据中学出自己的特征，而一个训练好的网络，其前几层最终往往会自己重新发现出边缘与角点检测器。所以这个概念，一半是奠基性的历史，一半仍是活生生的工程：当数据稀缺、当你需要速度与透明度、或者面对像「对齐两张照片」这样的几何任务（学得来的特征在此并无明显优势）时，手工特征依然有它的价值。
对一张肖像跑边缘检测器，照片就化成了黑底上的白线：脸的轮廓、眼镜的边框、头发的分缝——而平滑、色调均匀的脸颊则一片空白，因为平坦的区域里没有边缘可找。
边缘存在于亮度剧烈变化之处；平坦的区域则消失不见。它们是识别赖以建立的原始地标。
一个常见的误解，是以为深度学习让手工特征过时了。实际上，训练好的网络其前几层反正也会重新发明出边缘与角点检测器，而在低数据、低功耗，或像图像对齐这样的几何任务上，显式的特征仍然占优。这两种路子是表亲，而非对手。