图像的特征用到了Dense Sift

资 源 简 介

图像的特征用到了Dense Sift，通过Bag of Words词袋模进行描述，当然一般来说是用训练集的来构建词典，因为我们还没有测试集呢。虽然测试集是你拿来测试的，但是实际应用中谁知道测试的图片是啥，所以构建BoW词典我这里也只用训练集。其实BoW的思想很简单，虽然很多人也问过我，但是只要理解了如何构建词典以及如何将图像映射到词典维上去就行了，面试中也经常问到我这个问题，不知道你们都怎么用生动形象的语言来描述这个问题？用BoW描述完图像之后，指的是将训练集以及测试集的图像都用BoW模型描述了，就可以用

详 情 说 明

在本文中，我们使用了Dense Sift作为图像的特征提取方法，并使用了Bag of Words词袋模型进行描述。通常情况下，我们会使用训练集来构建词典，因为我们还没有测试集。虽然测试集是用来进行测试的，但在实际应用中，我们无法预知测试图片的内容，因此我只使用训练集来构建BoW词典。其实，BoW的思想非常简单，虽然有很多人问过我这个问题，但只要理解了如何构建词典以及如何将图像映射到词典上，就可以了。在面试中，我经常被问到这个问题，不知道你们是如何用生动形象的语言来描述这个问题的呢？在使用BoW描述完图像之后，我们对训练集和测试集的图像都使用了BoW模型进行描述，然后可以使用SVM进行分类模型的训练。除了使用SVM的RBF核外，我还自己定义了一种核：直方图正交核，因为很多论文都说这个核效果很好，并且实验结果也很明显。你能否从理论上证明一下这一点呢？通过使用自定义核，我们也可以了解如何在SVM中使用自定义核进行分类。