我写东西喜欢五颜六色,也喜欢通俗的来讲!哈哈。。。。
核心:
Fisher vector本质上是用似然函数的梯度vector来表达一幅图像
基础知识的预备:
1. 高斯分布
生活和自然中,很多的事和物的分布都可以近似的看做是高斯分布。比如说:一个班的成绩的优良中差的分布。最优秀的和最差的往往都是少数,一般人是大多数。
高斯分布直观的感受是这样的:这是这种分布的概率情况的表示:
2. 混合高斯分布
问题是:一个班的成绩的分布他也可能是这样的:60分以下以及95分以上很少人,60-75很多人,突然75-85人又少了,但是85-90又多了。这个时候直观的感受是这样的:
这个时候很显然若使用两个高斯分布来拟合,加上二者的权重效果比单个的高斯分布要好得多!若是不止两个山峰那最好就是再多几个高斯的分布同时来拟合