Opencv中的视觉词袋

Question

我在 opencv 中使用 BOW 对可变大小的特征进行聚类。但是从opencv的文档中还不清楚一件事，我也找不到这个问题的原因：

假设：字典大小 = 100。

我使用 surf 来计算特征，每个图像都有可变大小的描述符，例如：128 x 34、128 x 63 等。现在在 BOW 中，它们中的每一个都是聚类的，我得到一个 128 x 100 的固定描述符大小一个图像。我知道 100 是使用 kmeans 聚类创建的聚类中心。

但我对此感到困惑，如果图像具有 128 x 63 描述符，那么它如何聚集成 100 个簇，这使​​用 kmeans 是不可能的，除非我将描述符矩阵转换为 1D。不转一维会丢失单个关键点的有效128维信息？

我需要知道如何操纵描述符矩阵以仅从 63 个特征中获得 100 个聚类中心。

Answer 1

这样想。

当前图像共有 10 个聚类均值和 6 个特征。这些特征中的前 3 个最接近第 5 个均值，其余 3 个分别最接近第 7 个、第 8 个和第 9 个均值。那么您的功能将类似于[0, 0, 0, 0, 3, 0, 1, 1, 1, 0] 或它的标准化版本。这是 10 维的，这等于集群平均值的数量。因此，您可以根据需要从 63 个特征创建 100000 维向量。

但我还是觉得有问题，因为在你应用 BOW 之后，你的特征应该是 1x100 而不是 128x100。您的集群平均值为 128x1，并且您正在为这些平均值分配 128x1 大小的特征（第一张图像使用 34 128x1 特征，第二张图像使用 63 128x1 特征等）。因此，基本上您将 34 或 63 个特征分配给 100 个均值，您的结果应该是 1x100。