--來自肉麻的開題報告

以經典BoW模型實現一個圖像檢索的方法，BoW檢索的一般流程如圖2所示：

圖2? BoW檢索流程

最初的BoW在圖像檢索中應用的流程主要分為以下幾步：

1、特征提取。在訓練階段，將圖像用很多“塊”（patch）表示，以SIFT特征為例，圖像中每個關鍵點就是一個patch，每一個patch特征向量的維數128。

2、字典構建。假設共有M幅訓練圖像，字典的大小為100，即有100個詞，用K-均值算法對所有的patch進行聚類，等k-均值收斂時，將得到每一個聚類最后的質心，這100個質心（維數128）就是詞典里的100個詞，詞典構建完畢。

3、字典表示。在測試階段，對每幅圖像初始化一個維數100、值全為0的直方圖，計算測試圖像每個patch與字典中單詞的距離，距離patch最近的單詞對應的直方圖計數加1，將所有patch計算完畢后的直方圖即為圖像的字典表示。

4、圖像檢索。訓練圖與測試圖都以100維向量表示，對每個待檢索圖像，只需在字典中計算所有訓練圖與其距離，并返回最近的若干幅即可。

特征提取是算法的開始，也在很大程度上決定了算法的性能。

PS:1.該圖參考的是LiFeiFei2006年的資料，原圖是用于object recognition的；

2.培訓完過后開始總結特征；

3.實驗Gabor特征+LDA；

from:?http://blog.csdn.net/polly_yang/article/details/8241471

總結

以上是生活随笔為你收集整理的BoW模型用于图像检索的一般化流程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。