使用图像关键点提取对象特征的想法

Question

如果您帮助我使用关键点创建简单对象的特征向量，我将不胜感激。目前，我使用 ETH-80 数据集，对象的背景几乎是蓝色，图片是从不同的视图中拍摄的。像这样：

创建特征向量后，我想用这个向量训练一个神经网络，并使用该神经网络来识别对象的输入图像。我不想让它变得复杂，输入图像将像训练图像一样简单。 我之前问过类似的questions，有人建议使用20x20关键点邻域的平均值。我试过了，由于图像的不同视图，它似乎不适用于 ETH-80 图像。这就是我问另一个问题的原因。

Answer 1

冲浪或筛分。寻找兴趣点检测器。 MATLAB SIFT 实现是免费提供的。

更新： Object Recognition from Local Scale-Invariant Features

Answer 2

SIFT 和 SURF 特征由检测器和描述符两部分组成。检测器在某个 n 维空间（SIFT 为 4D）中找到点，描述符用于稳健地描述所述点的周围环境。后者越来越多地用于通常称为“词袋”或“视觉词”方法的图像分类和识别。在最简单的形式中，可以从所有图像的所有描述符中收集所有数据并将它们聚类，例如使用 k-means。然后，每个原始图像都有描述符，这些描述符有助于许多集群。这些簇的质心，即视觉词，可以用作图像的新描述符。 VLfeat 网站包含此方法的一个很好的演示，对 caltech 101 数据集进行分类：

http://www.vlfeat.org/applications/apps.html#apps.caltech-101