python - OpenCV:描述符矩阵的L1归一化

Question

我正在尝试在 this 之后用 C++ 实现 SIFTRoot文章。

特别是:

    # apply the Hellinger kernel by first L1-normalizing and taking the
    # square-root
    descs /= (descs.sum(axis=1, keepdims=True) + eps)
    descs = np.sqrt(descs)

我的问题是:

1. OpenCV 中是否有任何内置的 C++ 函数可以执行此操作？
2. 所有的描述符都是正值吗？否则 L1 范数应该使用每个元素的绝对值。
3. 第一行的意思是“对于每个行 vector ，计算其所有元素的总和，然后加上eps(为了避免除以0)最后将每个 vector 元素除以这个总和值”。

Answer 1

SIFT 描述符基本上是一个直方图，因此它不应该有负值。我认为 OpenCV 中没有一个函数可以实现您想要实现的目标。但是想出几行来完成这项工作并不难

// For each row
for (int i = 0; i < descs.rows; ++i) {
  // Perform L1 normalization
  cv::normalize(descs.row(i), descs.row(i), 1.0, 0.0, cv::NORM_L1);
}
// Perform sqrt on the whole descriptor matrix
cv::sqrt(descs, descs);

我不确切知道 OpenCV 如何处理 L1 归一化中的零和。您可以将 cv::normalize 替换为 descs.rows(i)/= (cv::norm(descs.rows(i), cv::NORM_L1) + eps) 如果上面的代码生成 NaN。