深度学习做图像识别，和传统方式比有啥好处？

传统方法中特征提取主要依赖人工设计的提取器，需要有专业知识及复杂的调参过程，同时每个方法都是针对具体应用，泛化能力及鲁棒性较差。

深度学习主要是数据驱动进行特征提取，根据大量样本的学习能够得到深层的、数据集特定的特征表示，其对数据集的表达更高效和准确，所提取的抽象特征鲁棒性更强，泛化能力更好，并且可以是端到端的。缺点是样本集影响较大，算力要求较高。

总体来讲，一种是人工认知驱动的方法，一种是数据驱动的方法。应用的话看场景，只不过深度学习一直在不断拓展其应用的场景，传统方法在某些时候扔具有一定价值。