コンピュータビジョン/機械学習における「機能」と「記述子」の違いは何ですか？

私はに類似した複数の時間の文章を読んだことがあります

最後に、標準的な画像分類では、SIFT記述子に基づく単語の特徴が、高性能にとって重要であることが判明しています。最初に、画像全体の標準グリッドポイントで標準SIFTディスクリプターを計算します。

出典：「条件付きランダムフィールドとグローバル分類を使用したマルチクラス画像セグメンテーション」、Nils Plath、Marc Toussaint、中島真一

記述子とは何ですか？SIFTは、画像を操作して機能を提供するアルゴリズムだと思いました（ベクトル。ここで、は、固定サイズの画像とSIFTアルゴリズムのパラメーターに対して固定されています）？$\mathbb{R}^n$$n$

SIFT記述子ベクトルは、特徴ベクトルです。「記述子ベクトル」と「特徴ベクトル」は、この文脈では同義語です。私が見たSIFTの説明のほとんどは、「記述子ベクトル」という語句を使用していますが、機械学習からの直観に基づいて、「特徴ベクトル」または「SIFT特徴」と呼ぶこともあります。 。

SIFTは、画像を分析して一連のキーポイント（位置合わせに役立つ画像内の一連のポイント）を特定し、各キーポイントについて記述子ベクトル（特徴ベクトル）を計算します。次に、イメージのキーポイントの記述子ベクトルとイメージのキーポイントの記述子ベクトルを使用して、2つのイメージを互いに位置合わせしようとします。直感は、画像キーポイントの記述子ベクトルが画像キーポイントの記述子ベクトルと「類似」している場合、これらの2つのポイントは互いに位置合わせする必要があるということです。ここで「類似性」は、2つの記述子ベクトル間のユークリッド距離によって測定されます。$I_1$$I_2$$I_1$$I_2$

したがって、キーポイントの記述子ベクトルは、たとえば内のベクトルであり、画像が平行移動、スケーリング、回転などされた場合、そのポイントの記述子ベクトルは変化によって大きく変化します。$\mathbb{R}^{128}$

ウィキペディアでSIFTの合理的な説明を見つけることができます：https : //en.wikipedia.org/wiki/Scale-invariant_feature_transform