Image/userl representation => down screen tasks
端到端的 文本领域 字典
visual word本质是 local feature handcraft feature 希望这个具有足够的泛华性 generalize
为了有交集 泛化性 clustering 聚类
Quantization 量化
每张图像
有特征点
local feature sift(128d维度)
每张图做两件事
1 Detection Feature ⇒ (x,y) 坐标点
2 Feature Extration ==> given local feature reture feature vector e.g sift 128d
open cv sift
for I in {i1,i2,…,in}:
detect(I);
.
local feature graiants 函数值 变化比较大 边缘区域 local feature
for S in {S1,S2,…,Sn}
X= concatterate(S1,S2,…,Sn)
得到S
进行kmens聚类,
Clustering(X,k) ⇐ # visual word / visual vocabulary 3000,5000
投影
Project each Si into C:
obtain each BovW vector for ecah Image (k*1)
K-means算法
1.select k points reandomly
2.compute distance(x,Ci)
3.assignment
4.update controids
https://github.com/dolphin-emu/dolphin
https://github.com/yanue/V2rayU