计算机工程与应用

作者：王璐, 侯明月

单位：中原工学院 计算机学院，郑州 451100；

关键词：深度学习,图像特征工程,特征提取,特征可解释性

基金：河南省高等学校重点科研项目（23A52）。

深度学习通过自动提取和学习数据的复杂特征表示，显著推动了图像特征工程的发展。现有研究多聚焦于特定应用场景或模型性能，缺乏从特征工程角度的系统性探讨。因此，专注图像特征工程，对基于深度学习的特征提取方法及可解释性研究工作进行系统梳理。依据图像特征的内在属性，将其分为几何不变特征、光照不变特征、边缘特征和纹理特征四大类，并详细分析了各类深度学习特征提取方法的特点与局限性。根据可解释性的参与方式，将其分为被动解释和主动解释，并探讨了不同方法在增强深度学习模型透明度和可理解性方面的实现机制。总结了现有方法的优势与不足，并为基于深度学习的图像特征工程的未来研究提供了新的视角和方向。

来源：2026年第4期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第4期