我正在使用 OpenCV 实现一个词袋图像分类器。最初，我测试了在 SURF 关键点中提取的 SURF 描述符。我听说 Dense SIFT（或 PHOW）描述符可以更好地用于我的目的，所以我也尝试了它们。
令我惊讶的是，他们的表现要差得多，实际上差了将近 10 倍。我可能做错了什么？我正在使用来自 OpenCV 的 DenseFeatureDetector 来获取关键点。我从 9 层中提取每个图像大约 5000 个描述符，并将它们聚集成 500 个簇。
我应该尝试 VLFeat 库中的 PHOW 描述符吗？我也不能在 OpenCV 的 SVM 实现中使用卡方内核，这在许多论文中都是推荐的。这对分类器质量至关重要，我应该尝试另一个库吗？
另一个问题是尺度不变性，我怀疑它可能会受到密集特征提取的影响。我对吗？
这取决于问题。您应该尝试不同的技术，以了解解决问题的最佳技术。当您需要对任何类型的场景进行分类时，通常使用 PHOW 非常有用。你应该知道 PHOW 与 Dense SIFT 有点不同。几年前我用过vlfeat PHOW，看到代码，它只是调用了不同大小的dense sift，并进行了一些平滑处理。这可能是能够保持规模不变的一条线索。同样在我的实验中，我使用了 libsvm，结果直方图交集对我来说是最好的。默认情况下，卡方和直方图交叉核不包含在 libsvm 和 OpenCV SVM（基于 libsvm）中。你是决定是否应该尝试它们的人。我可以告诉你，RBF 内核达到了接近 90% 的准确率，无论直方图相交达到 93%，和卡方 91%。但这些结果是在我的具体实验中得出的。您应该从带有自动调整参数的 RBF 开始，看看它是否足够。
总结这一切取决于你的具体实验。但是如果你使用 Dense SIFT，也许你可以尝试增加集群的数量，并以不同的规模调用 Dense SIFT（我推荐你使用 PHOW 方式）。
编辑：我在看 OpenCV DenseSift，也许你可以从
m_detector=new DenseFeatureDetector(4, 4, 1.5);
知道 vlfeat PHOW 使用 [4 6 8 10] 作为 bin 大小。