一提到特征工程，我们立即想到是表格数据。但是我们也可以得到图像数据的特征，提取图像中最重要的方面。这样做可以更容易地找到数据和目标变量之间的映射。
这样可以使用更少的数据和训练更小的模型。更小的模型可以减少预测所需的时间。这在部署到边缘设备时特别有用。另一个好处是，可以更确定模型使用什么来进行这些预测。
本文将介绍使用Python进行图像特征工程的一些方法:
- Cropping
- Grayscalling
- Selecting RGB channels
- Intensity thresholds
- Edge detection
- Colour filters (给定的颜色范围内提取像素)
我们将在自动驾驶汽车上进行演示。如下图所示，轨道的图像训练一个模型。然后该模型将被用来做出预测，指导汽车行驶。本文的最后我们将讨论图像数据特征工程的局限性。
完整文章：
https://avoid.overfit.cn/post/bd8d9a344381437d92d8b2f714359332
标签：预测,工程,特征,模型,图像,数据 From： https://www.cnblogs.com/deephub/p/16965337.html