图像检索
BOW模型
基于BOW的图像检索
特征提取
视觉词典
TF-IDF
常用参数
图像检索
具体实现流程
BOW模型
Bag-of-words models模型(词袋模型)
词袋模型对于给定的两个文档,进行分割可以建构出一个有n个元素词典,根据词典每个词在两个文档中的出现的频率,表示成两个n维向量。
基于BOW的图像检索
特征提取
学习视觉词典
针对输入特征集,根据视觉词典进行量化
把输入图像,根据TF-IDF转化成视觉单词的频率直方图
构造特征到图像的倒排表,通过倒排表快速索引相关图像
根据索引结果进行直方图匹配
特征提取
采用sift提取特征,以前的博客有具体的描述,就不再提及
视觉词典
使用K-meas算法
随机初始化 K 个聚类中心
重复下述步骤直至算法收敛:
对应每个特征, 根据距离关系赋值给某个中心/类别
对每个类别, 根据其对应的特征集重新计算聚类中心
码本/字典用于对输入图片的特征集进行量化
对于输入特征, 量化的过程是将该特征映射到距离其最接近的 codevector,并实现计数
码本 = 视觉词典
Codevector = 视觉单词
TF-IDF
TF词频(Term Frequency),IDF逆向文件频率(Inverse Document Frequency)
TFIDF的主要思想是:如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或者短语具有很好的类别区分能力,适合用来分类。
TF词频(Term Frequency)指的是某一个给定的词语在该文件中出现的频率。分子是该词在文件中的出现次数,而分母则是在文件中所有字词的出现次数之和,即前面提到的词袋模型。
逆向文件频率(inverse document frequency,IDF)是一个词语普遍重要性的度量。某一特定词语的IDF,可以由总文件数目除以包含该词语之文件的数目,再将得到的商取以10为底的对数得到: