图像SIFI笔记

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

在这里插入图片描述

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
在这里插入图片描述

在这里插入图片描述

for S in {S1,S2,…,Sn}
X= concatterate(S1,S2,…,Sn)
在这里插入图片描述
得到S

进行kmens聚类,
Clustering(X,k) ⇐ # visual word / visual vocabulary 3000,5000
在这里插入图片描述
在这里插入图片描述
投影
Project each Si into C:
obtain each BovW vector for ecah Image (k*1)
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

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

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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