OpenCV單詞K均值聚類袋

Question

將SIFT Detector和Extractor與FlannBased Matcher ，並為BOWKMeansTrainer設置Dictionary ，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);

群集提取的關鍵點的數組大小將為[128 x 15] 。

然后使用時BOWImgDescriptorExtractor作為Extractor上不同的一組15幅圖像，與先前提取的數組作為它的Vocabulary ，陣列出來的[15 x 15]

為什么？

關於這一切的實際運作方式，我找不到太多的地方，而只能放在哪里以及提供什么價值。

Answer 1

如果您有n張圖像且k=15 ，則結果應始終為[nx 15] 。

但是在第一輪中，您查看的是vocabular ，而不是第一張圖像的特征表示。 您看到的128是SIFT維度； 這是15個“典型” SIFT向量； 它們不是您圖像的描述。

您需要閱讀BoW模型，以及為什么輸出結果應該是每個圖像的長度為k （可能稀疏，即具有許多0）的向量。 我給您的印象是您期望這種方法為每個圖像生成一個128維特征向量。 另外，k = 15可能太小； 並且訓練數據集也太小。