matlab - VLFeat 中的词袋 (BOW)

Question

我正在使用VLFeat库使用 Bag-of-Visual-Words (BoVW) 构建项目图像分类。BoVW 管道包括：

1. 筛
2. k-均值
3. 构建直方图
4. 支持向量机分类

我可以将vl_siftandvl_kmeans用于 (1) 和 (2)，但我不知道如何构建直方图特征并在 SVM 中使用它们。

Answer 1

鉴于您已经拥有来自 vl_kmeans 的“字典”：

[centers] = vl_kmeans(data, numClusters); 

为了构建图像 I 的直方图，您需要使用 vl_sift 获取该图像的 128-D 描述符：

[~,D] = vl_sift(I)  

D 的每一列是图像 I 中一个兴趣点（或帧）的描述符。现在您需要根据D和字典构建 I 的直方图centers。最简单的方法是使用 for 循环：

H = zeros(1,numClusters);
for i=1:size(D,2)
  [~, k] = min(vl_alldist(D(:,i), centers)) ;
  H(k) = H(k) + 1;
end

现在，在将直方图 H 传递给 SVM 之前，由您决定是否对其进行归一化。请注意，可能有一种更快的方法来构建不需要循环的直方图；但我认为我的代码（在 Matlab 中）足以解释算法。