kdtree vs кодирование гистограммы

Question

Я работаю над распознаванием объектов с помощью VLSift, и мне кажется, что есть разные способы заставить это работать. Одним из методов является: -экстракт функции SIFT -lookup функции с kdtree, который содержит существующую базу данных функций SIFT возвращенные лучшие характеристики бина

Другое, кажется, будет: -экстракт функции SIFT -создать гистограмму

то есть игнорируя классификационную часть распознавания объекта. Я прав, что это два законных подхода? Насколько я знаю, гистограмма также получит лучшую корзину. Если так, что лучше? Каковы преимущества и недостатки?

Answer 1

Kd-Tree - это структура данных, которая содержит набор элементов.Это позволяет быстро найти K ближайших совпадений элемента запроса.

Что касается проблемы распознавания объектов, Kd-Tree не является обязательным компонентом.Он служит только для улучшения времени выполнения сопоставления отдельных функций.

Гистограммный подход вообще не требует сопоставления отдельных функций.Вместо этого вы квантуете функции изображения запроса.Затем вы вычисляете гистограмму квантованных функций.Чтобы найти подходящее изображение базы данных, вы ищете наиболее похожую гистограмму в базе данных.

Поскольку сопоставление отдельных объектов не требуется, подход к гистограмме выполняется асимптотически быстрее.

ВажныйРазница между этими двумя подходами заключается в том, что представление гистограммы не учитывает пространственные координаты ключевых точек, для которых были рассчитаны векторы признаков.Таким образом, он обладает меньшей дискриминационной силой.