如何解决使用“具有词汇树的可伸缩识别”的图像匹配的实现
| 关闭。这个问题是题外话。它当前不接受答案。解决方法
这是词汇树-libvot的一个很好的实现。它使用C ++ 11标准多线程库来加速构建过程,因此运行速度非常快。
它使用三个步骤来构建词汇树。第一步是使用筛选描述符构建kmeans树。第二步是使用第一步中构建的词汇树来构建图像数据库。第三步是根据图像数据库查询图像。此存储库中还反映了一些高级技术,例如倒排列表和L1距离度量。
,关于词汇树,我发现了本论文(http://www.tango-controls.org/Members/srubio/MasterThesis-VocabularyTree-SergiRubio-2009.pdf),该论文用C ++ / python实现了它们。但是,我在任何地方都找不到代码,因此我联系了作者以获取代码,但直到这个日期都没有成功。
此外,我找到了另一种实现(http://www.inf.ethz.ch/personal/fraundof/page2.html),但是我无法将其实现。
您已经实施了吗?我想对图像识别做同样的事情,但这似乎是一个非常痛苦的任务。
最好的祝福。
,Sergio Rubio在http://sourceforge.net/projects/vocabularytree/上发布了使用词汇树进行图像分类的实现。我必须重做他发布的许多C代码,才能使其在Windows系统上工作,但总的来说,这是实施原始论文中提出的想法的很好资源。
,最近,我在C ++中发现了一个名为DBow的非免费的,非常好的词汇树实现。
该代码井井有条,并包含很多注释。
在此处结帐:http://webdiis.unizar.es/~dorian/index.php?p=31
和这里:http://webdiis.unizar.es/~dorian/index.php?p=32
,您要查找空间填充曲线或空间索引。 sfc将2d复杂度降低到1d复杂度,尽管它只是表面的重新排序。 sfc recursivley将表面细分为较小的图块,并继续按图块拾取附近的信息。可以将其与四叉树进行比较。这对比较图像很有用,因为您按图块比较附近。困难在于使这些瓷砖具有可比性。我相信DCT在这里可能会有用。您想寻找尼克的希尔伯特曲线四叉树空间索引博客。
,我相信一般认为Grauman和Darrell提出的Pyramid Match核方法更好。您可以在此处获得C ++库的实现。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。