使用筛选描述符的对象识别答案

【问题标题】：Object recognition Using sift descriptors使用筛选描述符的对象识别
【发布时间】：2013-05-27 22:20:07
【问题描述】：

我是该领域的新手。我的问题是识别与训练图像中使用的对象（相似对象的图像）相似的对象是否存在于测试图像中。我想使用 SIFT 描述符进行识别。通过将用于将对象分类为不同类别的 SIFT 描述符进行聚类的词袋方法是否适合它，或者是否有更简单的方法使用 sift 描述符。提前致谢

【问题讨论】：

【解决方案1】：

视觉词袋（BoW）确实是经典的方法，最初由 Sivic & Zisserman 在 2003 年提出 [Paper]。它是最早脱离以前支持全局描述符而不是 SIFT 和 SURF 等局部特征的方法的方法之一。如果您刚刚开始学习对象检测和识别，我建议您继续实施这个经典管道。

【讨论】：

感谢您的宝贵建议。请让我知道是否有最好的 C++ 实施指南。
查看OpenCV 库。他们在samples/cpp/matcher_simple.cpp [ link ] 下有一个用于 SIFT 匹配的示例，以及在samples/cpp/bagofwords_classification.cpp [ link ] 下的 BoW 分类。
很抱歉再次打扰您，但我尝试了这种词袋的实现，但对于任何类型的评估数据，它每次都会产生相同的结果。我无法弄清楚问题出在哪里。我将不胜感激。
其实code超过了最大数。允许发表评论的字符数。能否请您提供您的电子邮件 ID。