Question

我有一个图像数据集蚂蚁想要提取其特征，以便与查询图像进行比较以选择阈值内的最佳特征。我能够提取图像特征并在两个相应的图像中选择最佳的特征，如下所示：

img1 = cv2.imread("path\of\training\image")
img2 = cv2.imread("path\of\query\image")

# Initiate SIFT detector
sift = cv2.xfeatures2d.SIFT_create()

# find the key-points and descriptors with SIFT
kp1, des1 = sift.detectAndCompute(img1,None)
kp2, des2 = sift.detectAndCompute(img2,None)

# FLANN parameters
FLANN_INDEX_KDTREE = 0
index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5)
search_params = dict(checks=100)   # or pass empty dictionary

flann = cv2.FlannBasedMatcher(index_params,search_params)
matches = flann.knnMatch(des1,des2,k=2)

# Need to draw only good matches, so create a mask
matchesMask = [[0,0] for i in range(len(matches))]

# ratio test as per Lowe's paper
for i,(m,n) in enumerate(matches):
    if m.distance < 0.8*n.distance:
        matchesMask[i]=[1,0]

draw_params = dict(matchColor = (0,255,0),
               singlePointColor = (255,0,0),
               matchesMask = matchesMask,
               flags = 0)

img3 = cv2.drawMatchesKnn(img1,kp1,img2,kp2,matches,None,**draw_params)
plt.imshow(img3,),plt.show()

我想将查询图像的特征与数据集中所有图像的特征进行比较，以选择最佳图像以识别特定对象。如何合并所有数据集特征并将其与查询图像特征进行比较？谁能帮我谢谢。

Answer 1

解决您的问题的第一个也是最幼稚的想法是：使用具有以矢量表示的某些特征的查询图像，您可以在特征/矢量数据集中找到与这些矢量最近的邻居，然后结果应该是该图像与查询功能最接近。

基本上，您必须计算向量之间的距离，FAISS会为您提供一些可行的方法。我发现此网站可以为您提供帮助： https://waltyou.github.io/Faiss-In-Project-English/。作者面对的情况和您一样。然后他用上面的方法解决了这个问题。

“要解决此问题，您可以在建立Faiss索引时将多个id分配给图像的多个向量。这样，在搜索图片的多个向量后，返回结果中的次数仅为可以对关联的ID出现进行计数，并且可以获得相似度。”

提取要匹配的图像数据集的SIFT特征

1 个答案: