知识卡片
视觉词袋用中心作码本
把大量局部描述子聚为k簇,中心充当视觉词。新图像的描述子按最近中心量化,每个词出现几次构成一个k维直方图。这样兼容不同数目的局部特征,同时丢失它们的空间布局。
视觉码本能把变长局部描述压成等长计数。参见 [[固定长度使图像可比]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 用簇构建视觉词表
原书出处 · 1 处
- K-means聚类 用簇构建视觉词表 · 查看原书依据
就需要用到K-means算法。k就是词袋的个数,也就是全局图像特征的长度。由此可见,K-means算法在这个应用中起着非常重要的作
参考来源
- 位置:《机器学习基础》第5章,5.4 拓展知识点:K-means算法的应用(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter36.xhtml)
- 结论依据:原文借「k就是词袋的个数,也就是全局图像特征的长度」处的论述给出本卡所解释的关系或做法。
- 原始内容:就需要用到K-means算法。k就是词袋的个数,也就是全局图像特征的长度。由此可见,K-means算法在这个应用中起着非常重要的作