kdtree vs直方圖編碼

Question

我正在使用VLSift進行對象識別，在我看來，有多種方式可以使這個工作。一種方法是： -extract SIFT特徵 與kdtree持有-lookup特點現有SIFT特徵數據庫 -returned最好斌特點

另一個似乎是： -extract SIFT特徵 - 創建直方圖

即忽略物體識別的分類部分。我認爲這是兩種合法的方法嗎？據我所知，直方圖也會得到最好的bin。如果是這樣，哪個更好？有什麼優點和缺點？

Answer 1

Kd-Tree是一個包含一組項目的數據結構。它允許快速搜索查詢項目的K個最近匹配項。

就目標識別問題而言，Kd-Tree不是必需的組件。它僅用於改進匹配各個功能的運行時間。

直方圖方法根本不需要匹配單個特徵。相反，您量化查詢圖像的功能。然後，計算量化特徵的直方圖。爲了找到匹配的數據庫圖像，您需要查找數據庫中最相似的直方圖。

由於不需要個別特徵的匹配，所以直方圖方法漸近地運行得更快。

這兩種方法之間的一個重要區別是，直方圖表示無法瞭解計算特徵向量的關鍵點的空間座標。因此，它具有較小的判別力。