1. 首頁
  2. 問答
  3. 密集篩選vs篩選？

密集篩選vs篩選？

2011-12-08 163 views

回答

20

最明顯的區別是，密集SIFT你 每個位置得到SIFT描述符，而與正常篩你在通過勞氏算法確定的 位置的SIFT描述。

在有些情況下，你需要非密集SIFT許多應用中，一個很好的例子是Lowe的原創作品。

有很多應用程序，其中通過計算一個 描述符到處獲得良好結果（密集），其中一個例子是this。類似於密集SIFT的描述符被稱爲HOG或DHOG，它們在技術上不是同一回事，而是在概念上都基於梯度直方圖並且非常相似。

來源

2011-12-10 04:48:24 carlosdc

+3

這是一個很好的答案，但被稱爲在密SIFT此言HOG不正確。雖然它們都基於梯度箱，但HOG和SIFT是兩個不同的描述符（密集或不密集;儘管HOG通常被密集採樣）。 – Jotaf

+0

@Jotaf：你是對的我簡直太簡單了。我已經編輯了一些答案。 – carlosdc

+0

如果你計算原始SIFT在每個點你沒有得到denseSIFT http://www.vlfeat.org/overview/dsift.html – mrgloom

2

一般地，對於一般對象類別識別，使用緻密的特徵抽取，而不是基於特徵點特徵提取而獲得更好的結果。

來源

2011-12-25 20:09:36

2

在http://www.vlfeat.org/overview/dsift.html你可以找到詳細的圖像特徵是如何抽取兩個SIFT和密集SIFT實施以及它們的執行時間的比較。 VLFeat密集SIFT描述符的主要優點是速度。

在MediaMixer Deliverable D1.1.2提出了一種概念檢測技術，其中使用SIFT和密集SIFT描述符，實驗結果表明，這種組合提供更準確的分類。有關更多信息，您可以加入MediaMixer社區門戶網站http://community.mediamixer.eu/。

來源

2014-02-25 12:20:03 MediaMixer

1

密集SIFT聚集在圖像中的每個位置和尺度更多的功能，相應地增加識別精度。然而，計算複雜性總是會成爲一個問題（相對於正常的SIFT）。

如果您使用SIFT分類，我建議使用正常SIFT多內核功能（集羣）作爲反對使用密集SIFT與單一線性核函數。儘管如此，你會得到明顯的速度/準確性。

我建議您檢查出this文件，其中解釋了大哦實現差異。

來源

2014-07-11 17:09:58 MarkKnight

+0

請詳細說明聚類步驟。 – mrgloom

相關問題

 相關問題