c++ - OpenCV 聚类词袋 K-Means

Question

使用 SIFT Detector 和 Extractor，使用 FlannBased Matcher，并为 设置 Dictionary >BOWKMeansTrainer 像这样:

TermCriteria termCrit(CV_TERMCRIT_ITER, 100, 0.001);
int dictionarySize = 15; // -- Same as number of images given in
int retries = 1;
int flags = KMEANS_PP_CENTERS;

BOWKMeansTrainer trainBowTrainer(dictionarySize, termCrit, retries, flags);

Clustered Extracted Keypoints 的数组大小将显示为 [128 x 15]。

然后，当使用 BOWImgDescriptorExtractor 作为 Extractor 对一组不同的 15 张图像进行处理时，将先前提取的数组作为其 Vocabulary，数组出现在 [15 x 15]。

为什么？

我找不到太多关于这一切实际如何运作的信息，而只是将它放在哪里以及赋予什么值(value)。

Answer 1

如果您有 n 个图像且 k=15，结果应始终为 [n x 15]。

但在第一次运行中，您查看的是词汇，而不是第一张图像的特征表示。您看到的 128 是 SIFT 维度；这些是 15 个“典型”SIFT vector ；它们不是您图片的描述。

您需要阅读 BoW 模型，以及为什么结果应该是长度为 k 的 vector (可能是稀疏的，即有很多 0)图像。我的印象是您希望这种方法为每个图像生成一个 128 维特征向量。另外，k=15 可能太小了；而且训练数据集也太小了。