BOW vs FisherVector vs VLAD

最新推荐文章于 2021-05-25 14:08:14 发布
最新推荐文章于 2021-05-25 14:08:14 发布
阅读量4.4k 收藏 2
点赞数 1
分类专栏： 深度学习 文章标签： CV
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mao_feng/article/details/60880350
版权
本文介绍了特征聚合方法在计算机视觉中的应用，对比了Bag of Words (BOW)、Fisher Vector (FV) 和 Visual Vocabulary List (VLAD) 的区别。BOW通过k-means聚类简化特征，但信息损失较大；FV使用GMM建模，保留更多信息，而VLAD不仅记录最近聚类中心距离，还提供更详细的局部信息，且无信息损失。
摘要由CSDN通过智能技术生成


      特征聚合

  • BOW是把特征点做kmeans聚类，然后用离特征点最近的一个聚类中心去代替该特征点，损失较多信息； 
  • fisher Vector. 本质上是用似然函数的梯度vector来表达一幅图像，这个梯度向量的物理意义就是表达了参数往哪个方向修正才能最佳拟合数据，说白了就是数据拟合中对参数调优的过程。以GMM为例，Fisher vector是对特征点用GMM建模，GMM实际上也是一种聚类，只不过它是考虑了特征点到每个聚类中心的距离，也就是用所有聚类中心的线性组合去表示该特征点，在GMM建模的过程中也有损失信息；  令  I=(x1,…,xN) 是D个的特征向量 (e.g. SIFT ) . 令 Θ=(μk,Σk,πk:k=1,…,K)  是对特征进行拟合的K个高斯混合模型的参数. 特征集合中特征xi属于模型k的概率是 ：qik=exp[−12(x
最低0.47元/天 解锁文章
mao_feng
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
VLAD算法比较2张图片相似度
weixin_45678940的博客
08-17 1842
#!/usr/bin/env python2.7 # -*- coding: utf-8 -* import numpy as np import cv2 from sklearn.cluster import KMeans from sklearn.cluster import MiniBatchKMeans import kmc2 def kmc2_seed(m, num): seeding = kmc2.kmc2(m, num, afkmc2 = True) model = Mi
【OpenCV】基于BoW词袋模型/HoG+SIFT特征提取的图像检索系统
cleanlii的博客
11-09 5148
计算机视觉方向的典中典项目以及CNN的经典入门项目之一
2021图像检索综述
AI数据工厂
05-25 1万+
本文是2021年最新的关于图像检索的综述，介绍了基于内容的图像检索（content based image retrieval， CBIR）在深度学习技术上的进展。
VLAD特征(vector of locally aggregated descriptors)-局部特征聚集描述子-BOW+Fisher vector
weixin_34268610的博客
08-26 1783
《Aggregating local descriptors into a compact image representation》论文笔记 这篇论文中提出了一种新的图片表示方法，也就是VLAD特征，并把它用于大规模图片检索中，得到了很好的实验结果。 目前，BOF在图片检索和分类中应用广泛，首先是因为BOF是基于比较powerful的local特征(如SIFT)得来的，所以表达能力很强；其次是因...
VLAD算法简介
苟利国
07-26 3万+
1.1  vlad基础概念 VLAD是vector of locally aggregated descriptors的简称，是由Jegou et al.在2010年提出，其核心思想是aggregated(积聚)，主要应用于图像检索领域   1.2  相关方法优缺点 在深度学习时代之前，图像检索领域以及分类主要使用的常规算法有BoW、Fisher Vector及VLAD等。 BoW方法的...
BOW-FisherVector-VLAD
ENJOY-NOW
07-20 1195
BOW-FisherVector-VLAD ---------reference---------------------- 1. google: a test retrieval approach to object matching in videos 2.  3. aggregat
vlad：vlad图像处理算法
02-02
VLAD（Vector of Locally Aggregated Descriptors）是一种在计算机视觉领域广泛使用的图像表示方法，特别是在图像检索和识别任务中。它是由Jegou等人于2010年提出的，作为一种改进的特征编码技术，旨在克服SIFT...
bow+svm.zip
12-10
在本项目中，我们主要探讨的是如何利用词袋模型（Bag-of-Words, BoW）与支持向量机（Support Vector Machine, SVM）对字符图片进行多分类任务。这是一个典型的计算机视觉与机器学习结合的问题，涉及到图像处理、特征...
BoW模型简介
05-14
### BoW模型详解 #### 一、BoW模型的基本概念 **BoW**(Bag of Words)模型最初是在自然语言处理领域被广泛应用的一种文本表示方法。它通过将文档转化为特征矢量的形式来进行处理，这一转化过程主要是基于以下核心...
VLAD 经典的PPT
07-21
这是关于VLAD的最好的PPT了，是原作者搞的，看起来很容易理解。
BOW图像分类程序
12-18
此外，可以采用直方图池化策略，如TF-IDF（词频-逆文档频率）或VLAD（聚类离散编码）来进一步处理BOW向量。 **2. 图像分类** 1. **训练模型**：利用带有标签的训练数据集，将每个样本的BOW向量输入到分类器（如SVM...
BOW图片sift分类代码
10-09
**博厄斯向量（BOW）与尺度不变特征变换（SIFT）在图像分类中的应用** 博厄斯向量（Bag-of-Words，BOW）模型是一种在计算机视觉领域广泛应用的图像表示方法，它将复杂的图像内容简化为一系列局部特征的统计组合，...
VLAD特征(vector of locally aggregated descriptors)
July's Pensieve
07-25 2万+
《Aggregating local descriptors into a compact image representation》论文笔记 这篇论文中提出了一种新的图片表示方法，也就是VLAD特征，并把它用于大规模图片检索中，得到了很好的实验结果。 目前，BOF在图片检索和分类中应用广泛，首先是因为BOF是基于比较powerful的local特征(如SIFT)得来的，所以表达能力很强；其次是
VLAD
积沙成塔
07-02 1万+
给定一个码本 参考: [1] http://people.rennes.inria.fr/Herve.Jegou/courses/2012_cpvr_tutorial/4-new-patch-agggregation.pptx.pdf
VLAD算法浅析, BOF、FV比较
weixin_30838873的博客
08-12 450
划重点 ================================================= BOF、FV、VLAD等算法都是基于特征描述算子的特征编码算法，关于特征描述算子是以SIFT为基础的一类算法，该类算法能得到图片的一系列局部特征，该类特征对旋转、缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，但是该类特征产生的特征矩阵一般都较为庞大...
VLAD讲解
weixin_40411446的博客
06-26 9068
局部聚合向量（Vector of Locally Aggregated Descriptors，VLAD）一种编码方法，广泛用于基于音频的人脸识别、动态场景识别、头部姿态分类等。(1) 欧式空间的VLAD：               具有非常高的辨别能力    仅利用常规的VLAD能够使用初始向量的加法和减法。常规的欧式空间上的VLAD：分    给定一个局部描述子集合，假设他们是高斯混合模型 ...
论文阅读 （图像地理定位）NetVLAD: CNN architecture for weakly supervised place recognition
古承风的博客
04-13 1917
[1] Arandjelovic R, Gronat P, Torii A等. NetVLAD: CNN architecture for weakly supervised place recognition[J]. Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2016, 2016-Decem: 5297–5307. 背景知识 典型场景 图像地理定位的.
残差resnet网络原理详解
热门推荐
mao_feng的博客
10-04 31万+
resnet在2015名声大噪，而且影响了2016年DL在学术界和工业界的发展方向。它对每层的输入做一个reference, 学习形成残差函数， 而不是学习一些没有reference的函数。这种残差函数更容易优化，能使网络层数大大加深。
surf bow matlab迁移学习
最新发布
09-06
在进行迁移学习实验时，您提到了使用SURF BOW特征抽取来处理Office-Home数据集。您发现Matlab内置了bagOfFeatures函数，它可以方便地进行特征抽取。这个过程可以帮助您和其他遇到相同问题的人。 关于SURF BOW特征的具体细节，SURF（Speeded-Up Robust Features）是一种用于图像特征提取的算法，它可以在快速的时间内检测和描述图像的局部特征。BOW（Bag-of-Words）则是一种用于图像分类和检索的方法，它将图像表示为特征的集合，然后使用机器学习算法进行分类或检索。 在Matlab中，使用SURF BOW特征抽取可以通过以下步骤来完成： 1. 导入并准备您的图像数据集。 2. 使用SURF算法提取图像的局部特征点和描述符。 3. 将提取的特征点和描述符存储到一个特征向量中。 4. 使用bagOfFeatures函数将特征向量转换为视觉词袋模型。 5. 可选地，使用机器学习算法对特征进行训练和分类。 这样，您就可以利用Matlab内置的SURF和BOW函数来进行SURF BOW特征的抽取和迁移学习实验了。希望这个过程可以对您有所帮助。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值