在计算机视觉方面，global feature是基于整张图像提取的特征，也就是说基于all pixels，常见的有颜色直方图、形状描述子、GIST等；local feature相对来说就是基于局部图像块，即基于local patches的，常见的大多数特征都是局部特征，如SIFT、LBP等。
patches的，常见的大多数特征都是局部特征，如SIFT、LBP等。
在卷积神经网络的前提下，local feature一般指的是网络卷积层的特征，（conv feature map），它保留了图像中的空间结构信息（spatial infomation），feature map中不同位置的特征，是对原始图像不同局部的描述。而global feature指的是网络顶层的spatial resolution为1*1的那些全连接层的特征，此时已经找不到图像中对应的局部，对应的是全图。考虑到全连接本身就是1*1的卷积，可以简单这样理解，feature map的resolution大于1*1的时候，此时的conv或者fc特征都是local feature，在降到1*1之后不管是fc还是conv应该都算global feature。以AlexNet为例，conv1-5是局部特征，fc6-8是全局特；如果是NIN或者inception网络，在做global average pooling（GAP）之前都是local feature，做完GAP之后就变成了global feature。转自知乎：https://www.zhihu.com/question/31039746/answer/50516028