如何使用 FLANN 进行标记和聚类？

Posted 2023-02-25

【中文标题】如何使用 FLANN 进行标记和聚类？

【英文标题】：How to use FLANN for labeling and clustering?

【发布时间】：2018-08-19 03:31:39

【问题描述】：

我读过一篇论文，他们的检索系统基于 SIFT 描述符和fast approximate k-means clustering。我安装了pyflann。如果我没记错的话，以下命令只会找到特定样本的接近数据点的索引（例如，这里是从dataset 到 testset 的 5 个最近点的索引）

from pyflann import *
from numpy import *
from numpy.random import *
dataset = rand(10000, 128)
testset = rand(1000, 128)
flann = FLANN()
result,dists = flann.nn(dataset,testset,5,algorithm="kmeans",
branching=32, iterations=7, checks=16)

我浏览了用户手册，但是，可以找到如何使用FLANN 进行k-means clusterin。以及如何根据集群中心拟合测试。因为我们可以在scikitlearn 中使用kmeans++ 聚类，然后我们根据模型拟合数据集：

kmeans=KMeans(n_clusters=100,init='k-means++',random_state = 0, verbose=0)
kmeans.fit(dataset)

稍后我们可以使用KDTree 为测试集分配标签。

kdt=KDTree(kmeans.cluster_centers_)
Q=testset  #query
kdt_dist,kdt_idx=kdt.query(Q,k=1)  #knn
test_labels=kdt_idx  #knn=1 labels

有人可以帮助我如何对FLANN 使用相同的程序吗？ （我的意思是对数据集进行聚类（找到聚类中心并量化特征），然后根据上一步找到的聚类中心量化测试集。

【参考方案1】：

您将无法使用 FLANN 进行最佳变体，因为它们同时使用两个索引，并且难以实现。

但是您可以为每次迭代在中心上建立一个新索引。但除非你有 k > 1000，否则它可能不会有太大帮助。

【讨论】：

感谢您的评论。请问FLANN有什么用？ flann.nn() 函数到底在做什么？我将它用于数据集中点的坐标 (x,y)，并通过 thisflann.nn(dataset,testset, 5, algorithm="kdtree") 进行测试集，以获得 5 个最近点。是正确的还是我的理解有误？

我是否可以使用设置kmeans 算法的 FLANN 并通过分配 2000 作为簇数来量化 SIFT 特征？谢谢

非常感谢您分享您的知识。