正如标题所示,感兴趣区域的无监督学习与计算机视觉的词袋模型之间有何异同。
引用-
对于无人监督的投资返回率: http://www.cs.cmu.edu/~gunhee/publish/nips09_gunhee.pdf
对于词袋模型: http://people.csail.mit.edu/fergus/iccv2005/bagwords.html
谢谢。
最佳答案
在我看来,这两个属于不同的领域,一个属于图像/视频分类,另一个属于目标检测。
在弓模型中,区域检测是必要的,但是,从您提供的链接来看,区域是根据采样的边缘点生成的,然后我们使用所有区域的描述符作为图像的表示。
但是,在“无监督 ROI”中,目标是提取最具代表性的区域(通常是显着对象)
关于machine-learning - 无监督感兴趣区域与词袋模型的异同,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18031320/