词袋模型
-
学习自然场景类别的贝叶斯模型、基于“词袋”模型的目标分类
一个学习自然场景类别的贝叶斯模型、基于“词袋”模型的目标分类。来源于Feifei Li的论文。是近年来的目标识别模型热点之一。 -
-
-
MATLAB实现基于SIFT特征与词袋模型的图像特征提取系统
本项目利用MATLAB开发了一种图像特征提取系统。训练阶段(centr3模块)可从指定文件夹读取图像，提取每张图像的128维SIFT特征描述子，并通过K-means聚类构建视觉词袋模型，为图像分类与检索任务提供基础技术支持。 -
词袋模型视觉分类教程Demo
该项目基于李菲菲教授提出的词袋模型（Bag of Words）核心思想，提供了一个完整的、带有详尽中文注释的MATLAB示例程序。其核心逻辑是将图像中的局部特征视作单词，通过建立视觉词典（Visual Vocabulary）来描述图像内容。整个流程首先进行局部特征提取，随后利用聚类算法生成码本，再通过特征编码和池化操作将图像转化为定长的全局直方图向量。该Demo实现了完整的图像分类流程，包括训练集的模型构建、测试集的类别预测以及分类性能的量化评估。不仅展示了BoW算法的经典实现方式，还深入探讨了其在不同尺 -
基于词袋模型BoW的图像分类与识别系统
本项目主要基于斯坦福大学Vision Lab由李飞飞教授领导开发的演示框架，实现了一种将图像视为视觉单词集合的经典计算机视觉分类方案。该算法模拟了自然语言处理中的文本分类逻辑，将图像中的局部特征块类比为文本中的单词。核心功能流程如下：首先通过特征提取模块，采用SIFT、SURF或HOG描述子对训练集图像进行关键点检测，获取具有旋转、尺度与光照不变性的高维局部特征向量；其次进入视觉字典构建模块，利用K-means均值聚类算法对海量的特征向量进行无监督学习，提取出具有代表性的聚类中心作为视觉单词，进而组成一个
