高级计算机视觉实验—使用词袋模型进行场景识别（Scene Recognition with Bag of Words）

完整代码在GitHub - FchZero/Advanced_computer_vision 

一、实验原理：

本次实验是基于词袋模型的图像分类技术，利用提取的局部区域的分布对图像进行识别。在图像分类中，词袋模型算法需要通过监督或非监督的学习来获得视觉词典。基于词袋模型的图像分类算法一般分为四步，首先对图像进行局部特征向量的提取（本次实验采用HOG)；其次利用上一步得到的特征向量集，抽取其中有代表性的向量，作为单词，形成视觉词典（本实验采用K-means聚类算法）；然后对图像进行视觉单词的统计，一般判断图像的局部区域和某一单词的相似性是否超过某一阈值，这样即可将图像表示成单词的分布，即完成了图像的表示；最后设计并训练分类器，利用图像中单词的分布进行图像分类（本实验采用KNN分类算法和线性SVM多分类算法）。

二、实验目的：

本实验的目的是对15个场景数据库进行场景识别，对它们进行训练和测试。对于给定的训练集和测试集的图像，处理其图像特征和构建分类器，图像特征表示和分类器构建的组合有五种，分别为随机生成的（图像特征没有经过处理以及没有对应的分类器）、微小图像特征和KNN分类器、微小图像特征和线性SVM分类器、单词特征包和KNN分类器以及单词特征包和线性SVM分类器。

三、实验内容：

分别利用Tiny+KNN和Bags of Words(SIFT)+SVM实现对场景的分类，并且比较不同特征和不同分类方法对最终精度的影响。

四、实验数据及结果分析：

1、Tiny+KNN（FEATURE = 'tiny image'、CLASSIFIER = 'nearest neighbor'）：

准确率为19％

2、Bags of Words (SIFT) + SVM（FEATURE = ' bag of words'、CLASSIFIER = ' support vector machine'）：

准确率为71.1％

完整代码在GitHub - FchZero/Advanced_computer_vision