【发布时间】：2014-04-12 20:00:30
【问题描述】：
任何人都可以澄清如何将多个图像描述符组合在一起。我的意思是，如果我做一个普通的 SIFT ，那么它会给我一个 128xN 矩阵，其中 N 是描述符的数量。现在添加可以具有不同维度的 HOG 描述符矩阵，程序是什么（因为简单地连接它们听起来没有意义）？组合的最终输出将用于使用 k-means 聚类创建词袋模型。
【问题讨论】：
-
组合描述符的目的是什么？做图像分类？
-
@rookiepig：是的，它专门用于改进分类。我想避免学习多个内核，因为我有一个庞大的数据集并且我想要更快的计算。
-
也许这篇论文可以帮助“[Gehler, ICCV09_code] - On Feature Combination for Multiclass Object Classification”。它有可用的代码。
-
@rookiepig：据我了解，他们应用了多核学习的概念，这是我想避免的。无论如何，谢谢。
-
@soumajyoti_sarkar SIFT 和 HOG 都用于提取关键点处的局部图像梯度信息。它们仅在特征描述符维度和归一化方法上有所不同。你认为结合这两个特征描述符会对最终结果产生重大影响吗？这是否改善了您案例的结果？
标签： image image-processing computer-vision sift feature-extraction