OpenCV聚类袋词K-Means

Question

使用SIFT Detector和Extractor，FlannBased Matcher，Dictionary设置为BOWKMeansTrainer，如下所示：

TermCriteria termCrit(CV_TERMCRIT_ITER, 100, 0.001);
int dictionarySize = 15; // -- Same as number of images given in
int retries = 1;
int flags = KMEANS_PP_CENTERS;

BOWKMeansTrainer trainBowTrainer(dictionarySize, termCrit, retries, flags);

“集群提取的关键点”的数组大小将显示为[128 x 15]。

然后在另一组15张图片上使用BOWImgDescriptorExtractor作为Extractor时，如果先前提取的数组为Vocabulary，则数组会出现在[15 x 15]

为什么？

我无法找到这一切实际上如何运作的内容，而不仅仅是把它放在哪里以及给予什么价值。

Answer 1

如果您有[n x 15]张图片和n，则结果应始终为k=15。

但是在第一次运行中，您查看了词汇表，而不是第一批图像的要素表示。您看到的128是SIFT维度;这些是15“典型”SIFT向量;它们不是您图像的描述。

你需要来阅读BoW模型，以及为什么结果应该是每个图像的长度为k（可能是稀疏的，即有很多0）的向量。我有这样的印象，你希望这种方法为每个图像生成一个128维特征向量。另外，k = 15可能太小了;并且训练数据集也太小了。