问题标签 [mean-shift]

OpenCV 中是否有 meanshift 聚类实现？如果是这样，是否有任何关于我如何做到这一点的文档？

I am performing mean shift clustering on a dataset. estimate_bandwidth function estimates the appropriate bandwidth to perform mean-shift clustering.

Syntax:

I found out that the estimated bandwidth increases with increase in quantile resulting in less number of clusters. Similarly, decrease in quantile decreases the bandwidth and hence higher no. of clusters.

So, it seems no. of clusters is dependent upon quantile value chosen.

How to choose the optimum quantile?

我正在使用基于数据集的核密度估计的 Mean Shift 聚类算法。我想生成一个大型的高维数据集，我认为 Scikit-Learn 函数make_blobs会很合适。但是当我尝试生成一个 100 万个点的 8 维数据集时，我最终将几乎每个点都视为一个单独的集群。

我正在生成标准差为 1 的 blob，然后将均值偏移的带宽设置为相同的值（我认为这是有道理的，对吗？）。对于二维数据集，这产生了很好的结果，但对于更高的维度，我认为我遇到了维度的诅咒，因为点之间的距离变得太大而无法进行有意义的聚类。

有没有人有关于如何获得适合（类似于）Mean Shift 聚类的良好高维数据集的任何提示/技巧？（或者我做错了什么？（这当然是一个很好的可能性））

我正在使用 meanshift 聚类从我的输入数据中去除不需要的噪声。 数据可以在这里找到。这是我到目前为止所尝试的..

在尝试了一些不同的带宽值之后，我只得到了 1 个集群。但图片中的异常值和噪声假设在不同的集群中。

当带宽减少一点时，我最终得到了这个......这又不是我想要的。

谁能帮我这个？

有人可以解释一下gpu::meanshiftFiltering和gpu::meanShiftSegmentation之间的区别吗？

文档并没有真正帮助。

也许这是一个不同的问题，但我的目标是提取对象的边界，如果有人可以帮助我，那就太好了。

我有一个功能来检测一个人持有的物体，但它很慢。

我想对中间的几帧进行跟踪，以加快整个过程。使用opencv执行此操作的最佳方法是什么

我正在使用 ros 节点从 kinect 传感器获取帧

我一直在尝试实现用于跟踪对象的 meanshift 算法，并且已经了解了所涉及的概念。

按照现在，我已经成功地从我的相机生成了一个反向投影流，它带有一个单通道色调 roi 直方图和一个单通道色调视频流，看起来不错，我知道 opencv 库中有一个 meanshift 函数，但我正在尝试实现我自己使用opencv中提供的数据结构，计算矩并计算搜索窗口的平均质心。

但由于某种原因，我无法在我的代码中找到问题，因为它不断收敛到我的视频流的左上角，以便跟踪任何输入 roi（感兴趣区域）。以下是用于计算搜索窗口质心的函数的代码片段，我觉得问题出在哪里，但不确定是什么，如果有人能指出我正确的方向，我将不胜感激：

这是我对 stackoverflow 的第二次查询，所以请原谅我忘记遵循的任何准则。

编辑

将 m00 ， m01 ， m10 更改为 WHILE-LOOP 中的块级变量而不是函数级变量，感谢 Daniel Strul 指出，但问题仍然存在。现在搜索窗口跳过帧边界而不是关注 roi。

在我阅读的有关 Mean Shift 的资源中，据说它主要用于图像处理或视觉数据。不能将它用于文本聚类吗？这不是最适合这个目的还是什么？！

如果您提供指向基于 Shift Mean 的代码（任何编程语言）的链接，我将不胜感激。

我正在寻找一种方法来执行基于密度的聚类。生成的集群应该有一个不像 的代表DBSCAN。 Mean-Shift似乎满足这些需求，但规模不足以满足我的需求。我研究了一些子空间聚类算法，只发现CLIQUE使用代表，但这部分没有在Elki中实现。

我试图阅读关于 sklearn 的 MeanShift 的文档并看到了这个公式：

什么是K函数？我在那个页面上找不到它。