论文阅读《Hamming embedding and weak geometric consistency for large scale image search》

最新推荐文章于 2023-07-10 11:52:09 发布
最新推荐文章于 2023-07-10 11:52:09 发布
阅读量2.1k 收藏 3
点赞数
分类专栏： 论文阅读 图像检索 文章标签： 图片搜索 descriptor BOW
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/zzchust/article/details/49804627
版权
本文探讨了如何使用Hamming嵌入和弱几何一致性来处理大规模图像搜索问题。通过k-means聚类形成视觉词典，将图像表示为视觉词的频率直方图。为了提高搜索效率，采用正交矩阵对描述符进行投影并进行二进制量化，以实现基于汉明距离的快速匹配。弱几何一致性原理认为，相似物体经过旋转和缩放后，对应区域的变换保持一致，有助于提高匹配精度。
摘要由CSDN通过智能技术生成
Reference
我的理解

  • 图片搜索：利用BOW进行图片搜索的一般思路是，对database中的每张图片的关键点所在区域计算SIFT，然后对SIFT进行k-means聚类，若k较小，量化误差会较大，相关性较弱的descriptor会落在同一个cell；若k较大，则出现descriptor noise，相关性较强的descriptor落入不同cell。聚类和得到一个有visual word组成的codebook，对每张图片的每个SIFT进行最近邻统计从而得到每张图片关于codebook中visual word 出现频率的统计直方图。图片搜索的最终要求是判断两张图片的距离࿰

最低0.47元/天 解锁文章
zzchust
关注
专栏目录
Hamming embedding and weak geometric consistency for large scale image search
mqfcu8的专栏
04-09 2891
文章三大贡献： 1. 将bag-of-features理解成voting，并形式化表示match过程； 2. 提出Hamming Embedding，在聚类中k值较小时也能保持descriptor的discriminative power； 3. 弱几何一致性和几何变换先验过滤掉一些不满足该条件的匹配点。
Hamming Embedding 汉明嵌入简介
defineWL的专栏
11-17 5972
参考文献  Hamming Embedding and Weak Geometric Consistency
Hamming Embedding 汉明嵌入
liuheng0111的博客
10-11 2898
基于Hamming embedding and weak geometric consistency for large scale image search论文的学习博客 本文从两个方面来介绍HE算法：  1.简要介绍一下BOF，以及它的投票机制  2.针对BOF的改进，局部图像描述子的汉明嵌入 voting interpretation of bag-of-featu
『点云识别』基于对应分组的三维物体识别
最新发布
weixin_45824067的博客
07-10 1453
BOP特征描述子的计算是基于点云中的边界点和其它邻域点之间的关系，通过分析相对于边界点的位置、法线方向和曲率等特征来推断该点是否是边界点。使用PCL中的3D Hough变换模块时，需要设置参数空间的分辨率、累加器的阈值、搜索范围等参数，以及提供点云数据和目标对象的相关信息。在参数空间中，每个参数对应了可能的几何形状的一组参数，例如平面的法向量和点与平面的距离。当我们处理点云数据时，有时需要在点云中找到与某个点最接近的点，或者在一个给定的范围内找到附近的点。，我们可以比较两个点云之间的相似性。
图片搜索流程
MagickCoding
06-07 1925
1.首先，我们用sift算法生成图像库中每幅图的特征点及描述符。 2.再用k-means算法对图像库中的特征点进行训练，生成类心。 3.生成每幅图像的BOF，具体方法为：判断图像的每个特征点与哪个类心最近，最近则放入该类心，最后将生成一列频数表，即初步的无权BOF。 4.通过tf-idf对频数表加上权重，生成最终的bof。（因为每个类心对图像的影响不同。比如超市里条形码中的第一位总是6，它对
（十：2020.08.28）CVPR 2018 追踪之论文纲要（译）
Jojo论文基地
08-28 7180
CVPR 2018 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这979篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
Bag of Features (BOF)图像检索算法
彼岸花
04-13 6537
Bag of features（Bof）一种是用于图像和视频检索的算法。此算法对于不同角度，光照的图像，基本都能在图像库中正确检索。 检索就要进行比对。两幅不同的图像如何比对，比对什么，这就需要提炼出每幅图像中精练的东西出来进行比较。正如超市中的条形码，就能很好的反映出一件商品的所有特征。因此概括的来说，bof就是生成每幅图像的“条形码”来进行检索。实验中，我们有一个包含100幅图像的小型图
海明嵌入Hamming Embedding生成Binary Signature之matlab程序代码
GarfieldEr007的专栏
05-01 2340
% This code generates 128-bit hamming code "bs" for SIFT features %128-D % "bs": binary signature % % Bug fixed by Liang Zheng on 01/26/2015. %% load previous data feat_file = '100000.siftgeo'; % f
Fast Exact Search in Hamming Space with Multi-Index Hashing
12-27
Fast Exact Search in Hamming Space with Multi-Index Hashing的源代码实现
Fast Exact Search in Hamming Space with Multi-Index Hashing
liuheng0111的博客
10-11 1887
2016年9月22日 Introduction  •最早发表在CVPR2012，后被PAMI2014收录. •提出目的：在汉明编码空间中，完全搜索出k个汉明最近邻，使得存储高效，运行速度大幅度提高。目前k-nn问题，除了穷举式搜索，没有更好的办法。Multi-indexhashing (多分段索引哈希)算法： (1)次线性时间，(2)存储高效，(3)便于实现 •思想：对于一个
multi-scale geometric consistency guided multi-view stereo阅读笔记
m0_37923410的博客
11-08 1426
1. introduction a popular four-step pipeline, including random initialization, propagation, view selection, refinement. 本文的改进主要是propagation和view selection。propagation有两种方式：sequential propagation 和 dif...
Multi-Scale Geometric Consistency Guided Multi-View Stereo
qq_26876733的博客
03-05 1685
Multi-Scale Geometric Consistency Guided Multi-View Stereo PatchMatch Stereo methods 四个步骤：随机初始化、传播、视图筛选和细化。其中传播和视图筛选是最重要的两个环节，前者影响运行效率，后者影响精度。对于传播，存在两种不同类型的并行方案：顺序传播和类扩散(diffusion-like)传播。前者仅在垂直（水平）方向...
Leetcode: Hamming Distance — Python
weixin_42988124的博客
01-03 206
Leetcode: Hamming Distance — PythonQuestionAnswernotes Question The Hamming distance between two integers is the number of positions at which the corresponding bits are different. Given two integers x...
Hamming Embedding, Burstiness, Multiple Assignment
mqfcu8的专栏
04-10 1403
这些都是大规模图像检索时的一些优化技术
哈希学习（2）—— Hashing图像检索资源
flowerboya的博客
07-11 8533
哈希方法 公布代码的： CSDSH: Column Sampling based Discrete Supervised Hashing SGH :Scalable Graph Hashing with Feature Transformation [ Paper] AGH: Hashing with Graphs [Paper] [Code] BPBC: Learn
[LeetCode]Hamming Distance - python 1 line
笔记
02-18 388
Hamming Distance（汉明距离）在此问题中，指两个整数转为二进制后，其对应位置上相异字符的个数。如x=1=(0 0 0 1)b, y=4=(0 1 0 0)b,则相异的位置氛围是第二和第四位，即汉明距离为2。 Python一行代码实现如下：class Solution(object): def hammingDistance(self, x, y): """ :type
Keras——环境配置
lhaof的博客
04-12 2976
Keras是一个在Theano基础上进行进一步抽象和封装的深度学习或者神经网络库，主要动机是为了更快地编程实现神经网络来做实验。笔者主要也是为了学习theano以及使用vgg-16。安装Keras的主要思路是，cuda，anaconda，theano，keras。 1.cuda的安装自行谷歌吧，笔者使用的版本是cuda-7.0. 2.anaconda是一个好东西。安装步骤如下，先下载一个ana
二维云模型过滤在重复图像检测中的应用
实验结果显示，所提出的方法在保持弱几何一致性约束算法（Weak Geometric Consistency Constraints）的优势——适用于大规模图像检索的同时，显著提高了重复图像发现的精度。这意味着，即使在大量图像中，该方法也能...
评论
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