computer-vision - 密集筛与筛？

Question

与 sift 相比，密集 sift 实现有什么区别？一个对另一个的优点/缺点是什么？我特别在谈论 VLFeat 实现。

score 28 · Accepted Answer

明显的区别在于，使用密集 SIFT，您会在每个位置获得 SIFT 描述符，而使用普通 SIFT，您会在由 Lowe 算法确定的位置获得 SIFT 描述。

有许多应用程序需要非密集 SIFT，Lowe 的原创作品就是一个很好的例子。

有很多应用程序通过在各处（密集地）计算描述符获得了良好的结果，一个这样的例子就是this。类似于密集 SIFT 的描述符称为 HOG 或 DHOG，它们在技术上并不相同，但在概念上都基于梯度直方图并且非常相似。

score 2 · Accepted Answer

通常，对于通用对象类别识别，使用密集特征提取而不是基于关键点的特征提取可以获得更好的结果。

score 2 · Accepted Answer

在http://www.vlfeat.org/overview/dsift.html上，您可以详细了解如何为 SIFT 和密集 SIFT 实现提取图像特征，以及它们的执行时间比较。VLFeat 密集 SIFT 描述符的主要优点是速度。

在MediaMixer Deliverable D1.1.2中，提出了一种同时使用 SIFT 和密集 SIFT 描述符的概念检测技术，实验结果表明这种组合提供了更准确的分类。如需更多信息，您可以在http://community.mediamixer.eu/上加入 MediaMixer 社区门户。

score 2 · Accepted Answer

Dense SIFT 在图像的每个位置和尺度上收集更多特征，从而相应地提高识别精度。然而，计算复杂度将始终是它的一个问题（与普通 SIFT 相关）。

如果您使用 SIFT 进行分类，我建议使用具有多个核函数（用于聚类）的普通 SIFT，而不是使用具有单个线性核函数的 Dense SIFT。不过，您将获得明显的速度/准确性权衡。

我建议查看这篇解释 Big-Oh 实现差异的论文。

score 1 · Accepted Answer

您可以在 VLFeat implementation details 中阅读有关 DenseSIFT 的更多信息。

DenseSIFT 更快（x30-x60 加速）。

5 回答 5