SIFT特征提取器

Posted 2023-03-13

【中文标题】SIFT特征提取器

【英文标题】：SIFT feature extractor

【发布时间】：2014-03-30 11:20:00

【问题描述】：

哪一个是 SIFT 中的特征。是关键点还是描述符。我正在尝试聚类。我应该考虑对哪一个进行聚类，为什么？该聚类数据用于分类。

【参考方案1】：

描述符就是您所说的“功能”。请记住，SIFT 描述符由 128 个 int 元素组成，这将使您的分类任务非常困难（从计算的角度来看），除非使用某种降​​维方法

【讨论】：

SIFTs的分类并不难，“视觉词袋”模型使用它，是常用的技术。

视觉词袋，在其原始版本中，是 NP-hard。

Keypoint 是一个由四个元素组成的向量，表示描述符的位置 (x,y)、比例和方向。描述符本身是一个包含 128 个元素的向量，用于描述“局部梯度直方图”，其方式对缩放和旋转具有不变性，并且对噪声和光照具有鲁棒性。如果没有一些数学先决条件，Lowe 的论文可能有点难以阅读，但它确实很有启发性

如何在这 128 个 int 元素上进行聚类。我有一组图像

尝试阅读顶部建议的“视觉词袋”...事实上，如何对数据进行聚类取决于它们的用途...