简介:
We are thus confronted with the problem of generic visual categorization.
该文致力于解决一般性的视觉分类问题。解决方案应该足够一般化,可以用来同时处理多种对象分类问题,并且很容易扩展到其它类别上去。在计算机视觉中,由于局部descriptors对部分遮挡、杂乱是鲁棒的,所以可以很好地用来解决匹配和分类问题。通常情况下,这样的局部descriptors是repeatable。这里的repeatable指的是如果同一物体的两个示例间存在变换,则对应点周围的descriptors输出值是一样的。
A bag of keypoints corresponds to a histogram of the number of occurrences of particular image patterns in a given image. The main advantages of the method are its simplicity, its computational efficiency and its invariance to affine transformations, as well as occlusion, lighting and intra-class variations.
bag of keypoints对应于一个直方图,这个直方图由给定的图像中出现的特定图像模式次数组成。它的优势在于它的简单,计算高效,对于放射变换、occlusion(遮挡?)、光照、类内变化保持不变性。
在分类问题上,涉及到分类精度和计算时间的权衡问题。实际中中等大小的簇较为合适。在簇数目的选取上,由于我们并不关心特征分布的正确聚类,而是对象的正确分类,所以人为设置K的数量,选取分类效果好的。
流程:
The main steps of our method are:
1.Detection and description of image patches
分类
Therefore the steps involved in training the system allow consideration of multiple possible vocabularies:
词汇表实际上是簇的中心组成的集合,由于聚类的方法和数目不同,可能会有多个词汇表,选取经验上分类能力最好的词汇表。
1.Detection and description of image patches for a set of labeled training images
使用the Harris affine detector【21】找到椭圆形的仿射区域,将其映射成一个圆形区域(规范化),提取该区域的SIFT特征,即一个128维的特征向量。用一张图像中的多个仿射区域对应的SIFT特征向量作为该图像的descriptors。