要想提取圖片的特征向量，首先得知道特征向量是什么。

我們假設(shè)這樣一個(gè)服務(wù)場(chǎng)景，技師上門維修某設(shè)備，發(fā)現(xiàn)上面某零件損壞了，假設(shè)這位技師由于種種原因，沒能根據(jù)自己的經(jīng)驗(yàn)識(shí)別出這個(gè)零件的型號(hào)。此時(shí)技師掏出自己的手機(jī)，給零件拍攝一張圖片，這張圖片通過手機(jī)上安裝的SAP某智能解決方案，傳送到SAP Leonardo平臺(tái)，通過那里的人工智能服務(wù)，自動(dòng)識(shí)別出這張圖片上面零件的準(zhǔn)確型號(hào)，返回給技師。

SAP Leonardo上的人工智能服務(wù)，在接收到技師上傳的圖片后，通過某種算法將該圖片的特征向量提取出來，然后再通過平臺(tái)上基于大量數(shù)據(jù)集訓(xùn)練好的模型，識(shí)別出準(zhǔn)確型號(hào)。因此，圖片特征向量的提取，成為了這個(gè)智能解決方案的首要步驟。

特征向量的提取，從數(shù)學(xué)上說，就是通過某種算法，把輸入圖片的二進(jìn)制流，轉(zhuǎn)換成一個(gè)向量(一維矩陣)。

以下面這張圖里的梯形和圓形為例，我們把圖形均勻地分成9個(gè)區(qū)域，在圖形中心觀察每個(gè)區(qū)域內(nèi)圖形單元的梯度方向，就可以實(shí)現(xiàn)降維，把二維圖像以一個(gè)一維矩陣來表示。

當(dāng)然實(shí)際的圖形輪廓識(shí)別和降維處理采用的算法比這個(gè)例子復(fù)雜得多，Jerry也不懂。幸運(yùn)的是，對(duì)SAP partners來說，不需要了解這里面的數(shù)學(xué)知識(shí)和技術(shù)知識(shí)，只需要把SAP Leonardo上的人工智能服務(wù)當(dāng)成一個(gè)黑盒子，通過Restful API的方式，把要提取特征向量的圖片“喂”給人工智能服務(wù)，就能得到特征向量輸出。

通過這個(gè)url進(jìn)入SAP Leonardo圖片特征向量提取服務(wù)的測(cè)試控制臺(tái)和幫助文檔：

https://api.sap.com/api/img_feature_extraction_api/resource

使用非常簡(jiǎn)單，直接在測(cè)試控制臺(tái)里從本地選擇一張圖片，點(diǎn)擊執(zhí)行按鈕：

得到了輸出的特征向量：

要獲取更多Jerry的原創(chuàng)文章，請(qǐng)關(guān)注公眾號(hào)"汪子熙":

總結(jié)

以上是生活随笔為你收集整理的使用SAP Leonardo上的机器学习服务提取图片的特征向量的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。