LLC学习笔记3(SPM)

本文详细介绍了空间金字塔匹配(SPM)的概念,它是对传统bag of visual words模型的改进,保留了特征点的位置信息。SPM通过在不同分辨率上统计图像特征,获取图像的空间分布信息,用于更精确的图像识别。文中提到了加权空间金字塔方法以及在SVM中的应用,阐述了如何构建词典并将图像分解为多个规模的单元进行匹配。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

文献[3]提到:bag of visual words模型被大量地用在了Image representation中,形成BOF,但BOF模型缺失了特征点的位置信息,Spatial Pyramid Matching(SPM) 基于金字塔匹配的思路,提出空间金字塔匹配来Beyond bags of features。。。

SPM,ScPM,LLC稀疏编码等方面,下面这个博文系列讲得超美,本文参考的量巨大。。。⊙﹏⊙b汗
图像的稀疏表示系列: http://blog.youkuaiyun.com/jwh_bupt/article/details/9625469

先翻译下文章[3]的PM部分。。。公式太多了,放图吧。。

Pyramid Match Kernels

Pyramid Match Kernels-1
Pyramid Match Kernels-2

不过呢SPM的金字塔与上述的金字塔不同,是空间金字塔Spatial Pyramid,参考文献[5]以及下面这个博客:
空间金字塔方法表示图像: http://www.mamicode.com/info-detail-903166.html
讲得很美,很细致,感谢这些爱分享的盆友。。。

Spatial Pyramid

空间金字塔方法表示图像是传统

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值