问题标签 [vlfeat]

我的malab安装文件夹是

C:\Program Files\MATLAB\R2010a\bin\matlab.exe

我已经添加vlfeat到我当前的用户文件夹中：

C:\Users\Patrick\Documents\MATLAB\vlfeat-0.9.18\toolbox\vl_setup

我startup.m在这个位置 创建了一个启动文件

C:\Users\Patrick\Documents\MATLAB\startup.m

我在哪里添加了命令行

但是当我尝试在另一个中使用它的功能deafautnamefile.m并使用一些命令时：

它给出了以下错误：

无效的 MEX 文件 'C:\Program Files\MATLAB\vlfeat-0.9.18-bin\vlfeat-0.9.18\toolbox\mex\mexw32\vl_sift.mexw32'：应用程序无法启动，因为它的并排-侧面配置不正确。请查看应用程序事件日志或使用命令行 sxstrace.exe 工具了解更多详细信息。

==> sf 在 4 [f,d] = vl_sift(I) 处出错；

我该如何解决这个问题？

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。

I am trying to obtain feature vectors for N =~ 1300 images in my data set, one of the features I have to implement is shape. So I plan to use SIFT descriptors. However, each image returns different number of keypoints, so I run

F is of size 4 x N and D is of size 128 x N where N is the number of keypoints detected.

However, I want to obtain a single vector of size 128 x 1 that can represent an image as good as possible. I have seen things like clustering and k-means, but I don't have any idea how to do them.

The most basic idea is to get the average of these N vectors of size 128x1, then I have a feature vector. But is taking the average meaningful? Should I do some kind of histogram?

Any help will be appreciated. Thanks !

在hierarchical k-means中，深度为D、分支因子K的词汇树应该有如下的节点总数（不包括根节点）：

但是，vl_hikmeanshist给出带有一个额外 bin 的直方图。在他们的网站上，节点数计算为：

他们还说他们“不计算没有信息的根”。那么为什么他们的公式不同呢？他们没有在网站上发布他们的联系方式，所以我无法询问他们。有人可以解释一下这个问题吗？

我正在使用 VLFeat，并且我有在我的数据集上训练线性 SVM 的代码。我想以某种方式将 SVM 保存到一个文件中，以便稍后加载它并在其他几个数据集上对其进行测试。做这个的最好方式是什么？

编辑：我正在使用 C++ API。使用 保存模型是否足够vl_svm_get_model？svm 结构的字节的简单序列化会起作用吗？

我觉得这是一个相当简单的问题，但我似乎无法弄清楚。我正在尝试vl_slic在 MATLAB 中使用 VLFEAT 的函数，并且正在使用此页面上使用的文档：http ://www.vlfeat.org/overview/slic.html

我无法弄清楚的是如何显示和覆盖相应的段的图像。我目前拥有的是这样的：

但我看到的只是黑色图像。我不确定如何让我的输出看起来更像上面网页上的输出。

我从它的存储库下载了VLFeatgit库！我按照安装页面中的说明进行操作。但是当我运行vl_setup命令时，我收到了这个警告：

Warning: Name is nonexistent or not a directory: ..\Adv. 3D Computer Vision\vlfeat\toolbox\mex\mexw32

因此，请按照 MathWorks 网站中提到的一些步骤，例如1、2、3 ，但问题没有解决。我跟踪vl_setup.m文件并根据错误声明找不到mexw32文件夹。但是当我下载那个库时没有任何这样的文件夹。

我正在使用 Windows 7，Matlab 2013a

我VL_SLIC在 MATLAB 中使用该函数，并在此处遵循该函数的教程：http ://www.vlfeat.org/overview/slic.html

这是我到目前为止写的代码：

我只是得到一个黑色图像，我无法看到带有超像素的分割图像。有没有办法可以查看网页中显示的结果？

我正在使用 k-means 对数据进行聚类，但我没有使用标准算法，而是使用近似最近邻 (ANN) 算法来加速样本到中心的比较。这可以通过以下方式轻松完成：

现在，当我运行此代码时，变量“ trainDescriptors ”被聚集在一起，每个描述符都被分配给“ clusterCenters ”被聚类，并且每个描述符都使用 ANN

我还有另一个变量“ testDescriptors ”。我也想将它们分配给集群中心。并且此分配必须使用与“ trainDescriptors ”相同的方法完成，但 AFAIK vl_kmeans函数不会返回它为快速分配而构建的树。

所以，我的问题是，是否可以在vl_kmeans函数中将“ testDescriptors ”分配给“ clustersCenters ”作为“ trainDescriptors ”分配给“ clusterCenters ” ，如果可以，我该怎么做？

我正在尝试匹配用内窥镜相机拍摄的成对图像之间的特征。我发现翻译图像时匹配的特征数量表现非常差（即使重叠仍然很高）。

几个问题

• 这么少的特征匹配可能来自图像中存在的渐晕吗？（SIFT 描述符描述梯度，如果存在恒定的晕影梯度，这会破坏描述符吗？）
• 相机校准会很差吗？
• 您对改进匹配有任何其他建议吗？

这就是我正在做的事情： - 根据使用棋盘图案完成的相机校准重新映射图像 - 使用 SIFT (VLFeat) 检测特征 - 特征与几何验证步骤匹配（具有相当高阈值的 RANSAC）

这里举两个例子：（红色=未匹配的特征；绿色=几何验证后匹配的特征）小平移=合理匹配

大翻译=匹配差