opencv - 在 BoW 模型中，对于 ORB，L2 范数比 Hamming 更有效，为什么？

Question

我在许多论文中读到，在使用 ORB 特征处理特征匹配时需要使用汉明距离。我一直在 C++ 中的 opencv 中使用 BoW 模型，发现与使用 BruteForce 匹配器（Hamming 或 Hamming(2)）相比，如果我使用默认的 BruteForce 匹配器（使用 L2），我的分类准确度会更高。

为什么是这样？

我的印象是您不能使用 L2 范数，但它提供比使用汉明距离更好的分类精度。

Answer 1

假设您有两个 3 位 ORB 描述符：

A = [101]
B = [011]

汉明距离是对应字符不同的位置数：

hamming = 2

L2 距离是欧几里得距离：

L2 = sqrt(2)

对于像 ORB 这样的二进制描述符，通常取汉明距离，因为它的效率更高