53、视觉词模型：原理、应用与发展

视觉词模型：原理、应用与发展

1. 星座模型中的视觉词共享

在星座模型里，视觉词的共享呈现出特定规律。例如，从训练集中选取的十六张图像（每个类别两张），通过黄色椭圆标记出与图像某一部分相关的视觉词。这些视觉词大多与动物图像面部的下部相关。同时，还存在对应动物侧面腿部以及物体轮子的部分，各部分都有其对应的视觉词集合。

2. 推理过程

在推理阶段，需要计算新图像数据在每个可能对象下的似然。对于新图像数据 ${f_j,x_j} {j = 1}^{J}$，在每个可能对象 $w \in {1…N}$ 下的似然计算公式为：
[
Pr(f,X|w = n) = \prod {j = 1}^{J} \sum_{m = 1}^{M} Pr(p_j = m|w = n)Pr(f_j|p_j = m)Pr(x_j|p_j = m) = \prod_{j = 1}^{J} \sum_{p_j = 1}^{M} Cat_{p_j}[\pi_n]Cat_{f_j}[\lambda_{p_j}]Norm_{x_{ij}}[\mu_{p_j},\Sigma_{p_j}]
]
接着，定义合适的先验概率 $Pr(w)$，并利用贝叶斯规则计算后验分布：
[
Pr(w = n|f,X) = \frac{Pr(f,X|w = n)Pr(w = n)}{\sum_{n = 1}^{N} Pr(f,X|w = n)Pr(w = n)}
]

3. 场景模型

星座模型存在一定局限性，它假设图像中仅包含单个对象，但实际图像通常包含多个空间偏移的对象。场景模型应运而生，场景决定了观察不同对象的相