特征选择是一个重要的数据预处理过程，在传统机器学习中显得尤为重要，好的特征模型能够极大地降低任务的难度，尽管在深度学习时代，模型足够强大到可以自动提取有效特征，但是一个不错的特征选择方案，仍然可以加快模型的收敛以及提升模型的泛化能力。
在计算机视觉领域，特征提取是一种常见的技术，用于从图像或视频中提取出有用的信息。以下全文通过介绍特征提取常用的算法进行介绍：特征提取是指从原始数据中提取出有用的特征，以便于进行后续的处理和分析，特征提取一般包含特征点检测和描述子计算两个过程。
如图 4所示，CNN和Transformer模型中最常用的四种STM算子类型包括:Local Attention， Global Attention， Depth-Wise Convolution， Dynamic Convolution。
