分别用一句话总结DBoW VLAD

DBoW:DBow首先是提取图片的局部特征,并用SIFT,SURF、orb等描述子对关键点进行数字化表示,然后将所有描述子通过Kmeans++训练成一个树结构,检索过程中通过对叶子节点关联的图片进行投票得出每个图片的分数(TF-IDF)排名。

VLAD:对提取的局部特征按照预设的聚合中心个数(N)通过kmeans训练成一个N维度向量,它存储的是所有描述子与其聚合中心的残差信息。

预积分:假设了短时间内的积分项为常数,通过迭代优化估计非积分项的状态值,避免了优化过程中的重复积分,主要是为了提高计算效率。

基于滑窗的链式优化结构等同于服从n阶马尔科夫的扩展卡尔曼滤波

 

欢迎纠正

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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