[论文阅读]词汇树 Scalable Recognition with a Vocabulary Tree

最新推荐文章于 2024-04-19 08:18:23 发布
最新推荐文章于 2024-04-19 08:18:23 发布
阅读量9.9k 收藏 22
点赞数 6
分类专栏： computer-vision 文章标签： vocabulary tree
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yc461515457/article/details/48707919
版权
论文阅读，记录一下自己阅读论文的收获，如有谬误，希望能得到指正！

------------------------------------------------------------------------------------------------------------------------------------------------------------

        词汇树在图像检索领域用的比较多，而图像检索在计算机视觉中的3D重建中又是一个比较关键的问题。作者提出这个方法是受到了一个先前被提出的文本检索的方法。

        先从训练的图像中局部仿射不变的区域中提取局部描述子，然后对这些描述子进行K-means聚类，聚类中心成为visual words。 visual words的集合使用TD-IDF（Term Frenquency Inverse Document  Frenquency）打分，来评价查询图像和数据库图像的相关性。作者用这些visual words构造了一个词汇树(Vocabulary Tree)，并提出了一种层次化的TF-IDF打分策略。词汇树的结构使我们可以使用大量的visual words，因为树的查询起来很快。

-----

最低0.47元/天 解锁文章
蜗牛一步一步往上爬
关注
  • 6
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
基于词汇树的图像检索（一）：词汇树
Mew
03-29 8914
从今天起准备把我的毕设的实现细节写到博客里面，一方面写一遍加深记忆，另一方面如果哪天忘记了查起来也方便 毕设题目是基于词汇树的无序图像集检索和支撑结构生成，其实提出词汇树那篇文章(Scalable Recognition with a Vocabulary Tree[1])已经是2006年的了，算是很老的文章，但是在大规模二三维重建的过程中快速的图像检索还是有意义的。 首先介绍
Scalable Recognition with a Vocabulary Tree
一个人的遭遇
05-22 2800
Reading Notes 1,Text Retrieval Approach The text retrieval approach: (1)Parsing an article into words; (2)Some words have the same stem, e.g.,“walk”,”walking”,”walks”, these different variants hav
Scalable Recognition with a Vocabulary Tree（词汇树）
weixin_43559672的博客
04-16 720
我们发现，对于检索质量来说，最重要的是拥有大量的词汇表（大量的叶节点），而不是给词汇表树的内部节点过强的权重。某个词在文章中的TF-IDF越大，那么一般而言这个词在这篇文章的重要性会越高，所以通过计算文章中各个词的TF-IDF，由大到小排序，排在最前面的几个词，就是该文章的关键词。不同层的w可以通过好几种方式得到，比如分配每个节点相对于路径中它上面的节点的熵，这似乎是正确的，但是我们发现使用相对于树的根的熵和忽略路径内的依赖关系更好。图3给出了这种图像的表示方式。词汇树是一个分层的聚类得到的分层的量化。
Colmap 实用教程 —— Command-line Interface
死亡叹息的博客
11-22 4155
Colmap 命令行介绍
一份colmap tutorial的阅读笔记（更新中）——Windows版本
最新发布
m0_74310646的博客
04-19 2195
大型纪录片《colmap tutorial笔记》，正在更新，来不及了，快上车啊，先到先得，一睹为快
陈天奇xgb论文《XGBoost: A Scalable Tree Boosting System》
09-20
陈天奇xgb论文。...and sharding to build a scalable tree boosting system. By combining these insights, XGBoost scales beyond billions of examples using far fewer resources than existing systems.
激光SLAM Hector官方论文A Flexible and Scalable SLAM System with Full1
08-04
"激光SLAM Hector官方论文A Flexible and Scalable SLAM System with Full 3D Motion Estimation" 提出了一种灵活且可扩展的SLAM系统，该系统具有完整的三维运动估计功能，特别适用于城市搜索和救援（USAR）等应用。...
XGBoost: A Scalable Tree Boosting System-附件资源
03-05
XGBoost: A Scalable Tree Boosting System-附件资源
xGBoost_a scalable tree boosting system.pdf
10-13
XGBoost is an optimized distributed gradient boosting library designed to be highly efficient, ... XGBoost provides a parallel tree boosting (also known as GBDT, GBM) that solve many data science prob
Video Copy-Detection and Localization with a Scalable Cascading Framework
02-06
Video Copy-Detection and Localization with a Scalable Cascading Framework
论文阅读node2vec Scalable Feature Learning for Networks1
08-04
这篇名为“node2vec Scalable Feature Learning for Networks”的论文，由Grover和Leskovec在2016年发表，主要探讨了如何有效地学习大规模网络中节点的特征表示，以便进行各种网络预测任务，如节点分类和连接预测。...
A Novel Scalable DBSCAN Algorithm with Spark
07-07
### 关键知识点解析 #### 一、NG-DBSCAN算法概览 **NG-DBSCAN**（Next Generation DBSCAN）是一种新型的、可扩展的基于密度的聚类算法，其设计目的是为了克服传统DBSCAN算法在处理大规模数据集时存在的局限性。...
SecureML: A System for Scalable Privacy-Preserving Machine Learn
05-20
《SecureML：一个可扩展的隐私保护机器学习系统》这篇论文着重探讨了在保护隐私的前提下进行机器学习训练的挑战及解决方案。文章主要关注线性回归、逻辑回归和神经网络这三种常见模型的训练，旨在提高隐私保护算法的...
论文研究-Adjacency Sampling: A Scalable Line Drawing Kernel with Artifact Reduced.pdf
08-15
基于邻接关系采样的可扩展的线绘制框架，唐晨，李胜，本文通过图像空间中拓扑信息的采样以用于线绘制和模型轮廓抽取中的可见性判断。提出一种基于图像空间邻接关系进行几何可见性判定
一种好用的树结构：Trie树
yanqianglifei的专栏
05-02 501
一种好用的树结构：Trie树
colmap安装后如何使用教程
qq_41265365的博客
05-10 3939
colmap安装后的使用教程
vocabulary tree
visionfans的专栏
10-06 1344
Each descriptor is mapped to a set of visual words which is the path traced from the root node to a leaf. That is,T(xi)={vl,hili}Lil=1 T(x_i) = \{v_i^{l, h_l^i}\}_{l=1}^{L_i}
colmap词袋匹配重建
m0_51962318的博客
10-27 1281
基本使用方法 colmap的命令行命令 指定项目路径 项目目录下必须包含images文件夹，images文件夹下保存需要重建的图像数据 /path/to/project/... +── images │ +── image1.jpg │ +── image2.jpg │ +── ... │ +── imageN.jpg 指定PROJECT_PATH路径 $ PROJECT_PATH=/path/to/dataset 特征匹配 $ colmap feature_extractor \
highly-scalable searchable symmetric encryption with support for boolean que
10-30
高度可扩展的可搜索对称加密是一种安全的加密算法，具备对数据进行搜索操作的能力，并支持布尔查询。 可扩展性是指该算法在处理大规模数据时不会受到性能限制。它可以对大量数据进行高效加密和解密，而不会影响系统的响应时间和吞吐量。 对称加密是指使用相同的密钥进行加密和解密的加密方式。使用对称加密算法，用户可以使用相同的密钥对数据进行加密和解密操作，从而确保数据的机密性和完整性。对称加密算法通常具有较高的加密和解密速度，适用于需要高效加密大量数据的场景。 可搜索性是指加密后的数据仍然可以通过一定的方式进行搜索和查询。在传统的加密算法中，加密后的数据无法进行搜索操作，只能对整个数据集进行解密后再进行搜索。但高度可扩展的可搜索对称加密算法则允许用户对加密的数据进行搜索操作，而无需解密整个数据集。这种算法通过引入附加的索引数据结构，可以将搜索和加密操作有效地结合在一起，从而实现对加密数据的搜索。 布尔查询是指支持逻辑运算符（如AND、OR、NOT）进行搜索的能力。高度可扩展的可搜索对称加密算法不仅可以进行简单的精确匹配搜索，还可以进行复杂的布尔查询。用户可以使用逻辑运算符将多个搜索条件进行组合，从而实现更精准和灵活的搜索操作。 因此，高度可扩展的可搜索对称加密算法具备较高的可扩展性、对称加密和可搜索性，并支持布尔查询。它可以在保证数据安全的前提下，提供高效的数据搜索和查询功能。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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