神經網路的論文里說到的local feature和global feature分別是什麼含義？

02-03

請教各位，神經網路的論文里說到的local feature和global feature分別是什麼含義？經常在論文里看到出現。只是從字面上理解，local feature是從樣本局部提取的特徵，global feature是從整個樣本提取出來的特徵。但是否有更具體一點或形象一點的例子呢？

在計算機視覺方面，global feature是基於整張圖像提取的特徵，也就是說基於all pixels，常見的有顏色直方圖、形狀描述子、GIST等；local feature相對來說就是基於局部圖像塊，即基於local patches的，常見的大多數特徵都是局部特徵，如SIFT、LBP等。

補充下（2016.12.01）：

在卷積神經網路的前提下，local feature一般指的是網路卷積層的特徵，（conv feature map），它保留了圖像中的空間結構信息（spatial infomation），feature map中不同位置的特徵，是對原始圖像不同局部的描述。而global feature指的是網路頂層的spatial resolution為1*1的那些全連接層的特徵，此時已經找不到圖像中對應的局部，對應的是全圖。考慮到全連接本身就是1*1的卷積，可以簡單這樣理解，feature map的resolution大於1*1的時候，此時的conv或者fc特徵都是local feature，在降到1*1之後不管是fc還是conv應該都算global feature。以AlexNet為例，conv1-5是局部特徵，fc6-8是全局特；如果是NIN或者inception網路，在做global average pooling（GAP）之前都是local feature，做完GAP之後就變成了global feature。

如果放在神經網路（應該特指卷積神經網路吧）的背景下來說，local feature表示網路的前面幾層的結果，這裡每個值對應的感受野小，稱為local，而後面的幾層輸出每個值對應的感受野就很大了，尤其是經過全連接層後感受野為整個圖像了，可視這些特徵為global。

個人淺見！歡迎大神指正！

一句直觀的印象就是：

local feature，擁有更多的局部細節(details)，越少的不變性(invariant)，而global feature正好相反。

====== 2015年6月8日12:54:15 ======

個人認為，無論是local還是global，都是一個相當寬泛的概念，並沒有明確的定義。

題主問的是，神經網路中的local和global，那我的理解就是：

global feature，具有表示原始數據的abstract semantics的特徵（並不是所有基於所有像素提取出的特徵都含有數據的abstract semantics）。該類特徵普遍是基於各種模型經過多層學習得到的特徵（也就是所謂的high-level特徵）；

local feature，正好相反。它可以理解為從某個局部區域中提取出的特徵，並具有表示原始數據detailed semantics的特徵。該類特徵普遍是單層學習或淺層學習（即所謂的low-level特徵）；

=============================

例子的話，留著！晚上接著填！

如果是CNN的話，他就這麼一說，你就這麼一聽就好了