本文主要是介绍shape-indexed特征，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
shape-indexed特征被用于关键点检测，在论文Face Alignment by Explicit Shape Regression.pdf有对该特征的说明，本篇wiki主要介绍该特征的方方面面。
shape-indexed特征被设计以用于回归过程，其初衷在于简单高效，通过对像素点的比对获得图像信息。
该特征的最大特点在于其像素点比对方式，并不是比对其原始图像上的坐标点，而是变换坐标系，重新索引像素点，计算其与最近的关键点的像素差值，通过这种方式从而获得形状不变性。如下图所示：
图a采用相对坐标，对于每个坐标点来说，其语义相同，只需要向中心靠拢即可。而图b采用绝对坐标，虽然有着相同的坐标表示方法，但是其语义变的不同，在定位时明显更加复杂。
这种差异可以使其获得更好的几何不变形，从而化简回归问题，更快收敛boost learning。
这篇关于shape-indexed特征的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
