在計算機視覺方面，global feature是基於整張圖像提取的特征，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，常見的大多數特征都是局部特征，如SIFT、LBP等。
patches的，常見的大多數特征都是局部特征，如SIFT、LBP等。
在卷積神經網絡的前提下，local feature一般指的是網絡卷積層的特征，（conv feature map），它保留了圖像中的空間結構信息（spatial infomation），feature map中不同位置的特征，是對原始圖像不同局部的描述。而global feature指的是網絡頂層的spatial resolution為1*1的那些全連接層的特征，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特征都是local feature，在降到1*1之后不管是fc還是conv應該都算global feature。以AlexNet為例，conv1-5是局部特征，fc6-8是全局特；如果是NIN或者inception網絡，在做global average pooling（GAP）之前都是local feature，做完GAP之后就變成了global feature。轉自知乎：https://www.zhihu.com/question/31039746/answer/50516028