物體識別使用篩分描述符

我是該領域的新手。我的問題是要識別是否在測試圖像中存在與訓練圖像（類似對象的圖像）中使用的對象類似的對象。我想使用SIFT描述符進行識別。是否通過將SIFT描述符集羣化來處理單詞包，這些描述符用於將對象分類到不同的類中，這對於它來說是適合的，或者如果使用sift描述符來實現它更簡單的話。在此先感謝物體識別使用篩分描述符

來源

2013-06-01 user2442331

視覺詞袋（BOW）確實是經典的方法，最初是由Sivic & Zisserman於2003年[Paper]提出。這是首先脫離了以前的方法，喜歡全球描述符，而不是SIFT和SURF等本地特徵。如果您剛剛開始學習物體檢測和識別，我建議繼續實施此經典管線。

來源

2013-06-01 03:15:43 bjou

感謝您的寶貴意見。請讓我知道是否有一個很好的實施指南，最好在C++中。 – user2442331

查看[OpenCV]（http://opencv.org/）庫。他們在'samples/cpp/matcher_simple.cpp' [[link]（https://github.com/Itseez/opencv/blob/master/samples/cpp/matcher_simple.cpp）]下有一個用於SIFT匹配的例子，還有BoW在samples/cpp/bagofwords_classification.cpp下的分類[[link]（https://github.com/Itseez/opencv/blob/master/samples/cpp/bagofwords_classification.cpp）]。 – bjou

道歉再次打擾你，但我試過這個袋子的文字執行，但它總是產生每次顯示任何類型的評估數據相同的結果。我無法弄清楚問題所在。我會感激你的。 – user2442331

物體識別使用篩分描述符

回答

相關問題