我有一个图像库，其中包含约 5000 张图像和约 150 个特征。现在我有另一张具有约 300 个特征的图像，并且我想在我的库中找到 5 个最相似的图像。
暴力破解需要大约300 * 5000 * 150 * 128次操作，花费太多时间。因此，我为库中每个图像的特征构建了一个 kd 树，这意味着大约 5000 个 kd 树。我用过bbf search像其他 sift 库一样近似最近邻居。但性能变得比我的暴力算法还要慢。为了确保这不是我的实现的错误，我将其他库的匹配算法修改为暴力破解，它们的性能也有所提高。
我的问题是是否有可能将约 5000 个 kd 树组合成一棵树？或者是否有其他方法可以在匹配多个图像时提高性能？
最佳答案
您可以考虑使用Locality Sensitive Hashing ，即使不是 100% 准确，也应该快得多。
关于匹配多个图像时的 SIFT 特征匹配性能，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/10188214/