【发布时间】：2016-01-11 04:30:02
【问题描述】：
在图像分类中，我必须在视觉词表示袋中对图像进行编码并训练 SVM 分类器。对图像进行视觉词编码包的制作过程是怎样的？
【问题讨论】：
标签： image-processing computer-vision
【发布时间】：2016-01-11 04:30:02
【问题描述】：
程序如下：
首先你要构造一个字典
- 首先，您必须在训练图像上应用采样（密集/关键点）。简单地将图像分解为等采样的补丁。
- 对所有训练图像重复上一步。然后，对于每条路径，计算导致 128 维向量的 SIFT 描述符。
- 对所有图像的所有补丁执行上述步骤会产生一组 128 维特征向量。将这些描述符聚类成 K 个簇并保存它们的中心。这些中心构成模型的视觉词典。
构建视觉词典后
在目标图像上应用采样（密集/关键点）。
为查询图像的每个补丁计算 SIFT 特征描述符。
检查任何补丁位于哪个集群中。选择这些集群的中心（视觉词）作为该补丁的代表。
计算目标图像中每个特定视觉词的数量的直方图。此直方图是图像的描述符/表示。
为您的所有训练集这样做，您可以训练任何现成的分类器来对图像进行分类。
这是管道的可视化：
【讨论】：