2
當使用特徵描述符[如SIFT，SURF] - 是近似最近鄰的最快方法來進行圖像匹配嗎？近似最近鄰是計算機視覺中最快的特徵匹配嗎？
A
回答
3
我想說基於歐幾里德距離的最近鄰居是最容易實現的，但不一定是最快的。
我同意近似最近的鄰居或'最好的箱子第一'將是最快識別你的背景中最接近類似於探測圖像的圖像。
如果您試圖識別圖像中的單個對象，事情會變得更加困難。
4
您應該查看pyramid match kernel，這是迄今爲止與當地功能進行圖像匹配最成功的算法之一。它具有線性時間複雜度，而不是將圖像A中的每個特徵與圖像B中的每個特徵比較，即O（n^2）。還有一個免費的implementation。
1
相關問題
- 1. 什麼是最近鄰的快速近似？
- 2. 最近鄰算法
- 3. python近似最近鄰居庫（WINDOWS）
- 4. 快速計算鄰近矩陣中的平均鄰近度
- 5. 匹配利益（最近鄰）搜索
- 6. 最近鄰居算法
- 7. KD樹 - 最近鄰算法
- 8. k-最近鄰算法
- 9. 使用「匹配」包的最近鄰居匹配
- 10. 拉賓最近鄰（最近點對）算法？
- 11. K-最近鄰居
- 12. MatchIt包：結合「最近鄰」匹配和「精確」匹配
- 13. 最接近的匹配
- 14. 由最接近的匹配
- 15. 快速最近鄰居搜索
- 16. 距離最近鄰居的平均距離的近似值？
- 17. k最近鄰居算法k的值
- 18. 使用K最近鄰居創建特徵
- 19. 高維空間的近似最近鄰居（A1NN）
- 20. 如何通過R最近鄰居求解最近鄰居？
- 21. $ geoNear匹配最近陣列
- 22. 類似圖像的任何好的最近鄰居算法？
- 23. 計算最近10行中有多少匹配
- 24. 計算機視覺：模板匹配
- 25. 劃分並征服最近對算法
- 26. 二維樹最近鄰算法澄清
- 27. JavaScript的最近鄰居庫
- 28. 存儲最近的鄰居
- 29. 最近鄰搜索：Python的
- 30. 接近最近鄰居搜索