SIFT 向量的分层 k 均值聚类答案

【问题标题】：hierarchical k-means clustering for SIFT vectorsSIFT 向量的分层 k 均值聚类
【发布时间】：2012-06-15 04:05:45
【问题描述】：

全部

我正在寻找在 http://www.wisdom.weizmann.ac.il/~bagon/CVspring07/files/scalable.pdf 中应用 David Nister 和 Henrik Stewenius 的相同方法

在本文中，他们使用大量 SIFT 向量 (128-D) 作为分层 k-means 聚类的输入来构建分层视觉词汇树。

有没有人知道我可以用来做这个聚类的好库？

Ps：输入 SIFT 描述符的数量很高（70,000,000），我希望结果将是具有 1,000,000 个叶节点的词汇树。

非常感谢。问候。

【问题讨论】：

标签： cluster-analysis hierarchical-data sift descriptor object-recognition

【解决方案1】：

如果数据采用受支持的格式，OpenIMAJ 中的 ClusterQuantiser 工具应该能够执行此操作。如果该工具无法直接使用您的数据，那么您可以为 org.openimaj.ml.clustering.kmeans.HierarchicalByteKMeans 类（在 svn trunk 版本中）或 1.0.5 版本中的 org.openimaj.ml.clustering.kmeans.HByteKMeans 类编写驱动程序。两个版本的类都支持来自磁盘的流式数据，因此您无需将所有功能都保存在内存中！

为了完整起见，vlfeat 也有一个分层的 k-means 实现，但我不确定它的扩展程度。

根据实际经验，您还可以考虑在聚类之前对特征进行抽样。我不确定你是否会从所有集群中获得很多好处。

【讨论】：

乔恩，谢谢。一周前，当我用谷歌进行随机搜索时，我刚刚遇到了 OpenIMAJ。我会研究它，看看它能提供什么。