我已经学习了几周的图像处理和机器学习课程。每天我都在学习关于图像处理的新知识，以及如何训练系统识别图像中的模式。我的问题是，为了成功进行图像识别，需要遵循哪些步骤，例如去噪、使用LDA、PCA，然后使用神经网络。我不是在寻找任何算法，只需要从捕获图像到测试输入图像相似性的简要步骤概述（5-6步）。

P.S# 致管理员们，在标记此问题为非建设性之前，我知道它不具建设性，但我不知道该将其放在哪个网站上。所以请引导我到Stack Exchange的相应网站。

谢谢。

回答：

我将流程描述如下，我省略了许多项目符号。

1. 获取带有真实标签的图像。
   • 亚马逊M-turk
   • 来自Flickr的图像和标签
2. 计算图像的特征
   • 直接将图像拉伸成列向量
   • 使用更复杂的特征，如词袋、LBP。
3. 如果需要，后处理特征以减少噪声的影响
   • 稀疏编码
   • 最大池化
   • 白化
4. 根据（特征，标签）对训练分类器/回归器
   • SVM
   • 提升方法
   • 神经网络
   • 随机森林
   • 谱聚类
   • 启发式方法…
5. 使用训练好的模型识别未见过的图像，并用一些指标评估结果。

顺便说一句，传统上，我们会使用降维方法如PCA来使问题可处理，但最近的研究似乎对此并不在意。