特徵提取器主要包括卷積神經網絡(CNN)、循環神經網絡(RNN)、Transformer、特徵金字塔、預訓練模型以及一些其他的深度學習模型，如ResNet和MobileNet等。以下是詳細介紹：
卷積神經網絡(CNN)。適用於圖像、音頻等二維或一維數據。
循環神經網絡(RNN)。特別適用於文本、語音等序列數據的處理。
Transformer。用於自然語言處理和其他序列到序列任務，採用注意力機制來處理輸入序列。
特徵金字塔。用於多尺度特徵提取，能夠同時提取不同尺度的特徵並融合。
預訓練模型。如在ImageNet上訓練的ResNet、VGG等，可以直接作爲特徵提取器使用。
其他深度學習模型。如ResNet和MobileNet等網絡結構。
此外，特徵提取技術還包括池化方法，如全局負採樣、Attention加權、Gate門控機制等，以及融合技術，如FM融合矩陣、矩陣轉爲向量等。