BOW vs FisherVector vs VLAD

最新推荐文章于 2021-05-25 14:08:14 发布
原创 最新推荐文章于 2021-05-25 14:08:14 发布 · 4.5k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#CV

本文介绍了特征聚合方法在计算机视觉中的应用，对比了Bag of Words (BOW)、Fisher Vector (FV) 和 Visual Vocabulary List (VLAD) 的区别。BOW通过k-means聚类简化特征，但信息损失较大；FV使用GMM建模，保留更多信息，而VLAD不仅记录最近聚类中心距离，还提供更详细的局部信息，且无信息损失。

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


      特征聚合

  • BOW是把特征点做kmeans聚类，然后用离特征点最近的一个聚类中心去代替该特征点，损失较多信息； 
  • fisher Vector. 本质上是用似然函数的梯度vector来表达一幅图像，这个梯度向量的物理意义就是表达了参数往哪个方向修正才能最佳拟合数据，说白了就是数据拟合中对参数调优的过程。以GMM为例，Fisher vector是对特征点用GMM建模，GMM实际上也是一种聚类，只不过它是考虑了特征点到每个聚类中心的距离，也就是用所有聚类中心的线性组合去表示该特征点，在GMM建模的过程中也有损失信息；  令 I=(x1,…,xN)是D个的特征向量(e.g. SIFT ) . 令Θ=(μk,Σk,πk:k=1,…,K) 是对特征进行拟合的K个高斯混合模型的参数. 特征集合中特征xi属于模型k的概率是 ：qik=exp[−12(xi
最低0.47元/天 解锁文章

200万优质内容无限畅学
Fisher Vector 通俗学习
ikerpeng
12-02 3万+
Fisher vector本质上是用似然函数的梯度vector来表达一幅图像
图像检索
qq_35941018的博客
11-16 488
BoW原理及流程： https://blog.youkuaiyun.com/tiandijun/article/details/51143765 Fisher Vector原理： 原理：https://blog.youkuaiyun.com/jaster_wisdom/article/details/81742560 流程：https://blog.youkuaiyun.com/dream_catcher_10/article/de...
BOW-FisherVector-VLAD
ENJOY-NOW
07-20 1262
BOW-FisherVector-VLAD ---------reference---------------------- 1. google: a test retrieval approach to object matching in videos 2.  3. aggregat
VLAD特征(vector of locally aggregated descriptors)-局部特征聚集描述子-BOW+Fisher vector
weixin_34268610的博客
08-26 1886
《Aggregating local descriptors into a compact image representation》论文笔记 这篇论文中提出了一种新的图片表示方法，也就是VLAD特征，并把它用于大规模图片检索中，得到了很好的实验结果。 目前，BOF在图片检索和分类中应用广泛，首先是因为BOF是基于比较powerful的local特征(如SIFT)得来的，所以表达能力很强；其次是因...
matlab fisher vector,计算Fisher vector和VLAD
weixin_42364539的博客
03-18 229
This short tutorial shows how to computeandencodings with VLFeat MATLAB interface.These encoding serve a similar purposes: summarizing in a vectorial statistic a number of local feature descriptors (e...
机器学习笔记——Fisher vector coding
热门推荐
积沙成塔
07-02 3万+
Fisher coding
vlad用python实现_「vlad」VLAD算法简介 - seo实验室
weixin_36468605的博客
02-11 808
vlad1.1 vlad基础概念VLAD是vector of locally aggregated descriptors的简称，是由Jegou et al.在2010年提出，其核心思想是aggregated(积聚)，主要应用于图像检索领域1.2 相关方法优缺点在深度学习时代之前，图像检索领域以及分类主要使用的常规算法有BoW、Fisher Vector及VLAD等。BoW方法的核心思想是提取...
BOW（Bag of words，词袋）模型代码实现
05-19
在实际应用中，BOW模型通常结合其他技术，如BoW + SVM（支持向量机）或BoW + VLAD（Vector of Locally Aggregated Descriptors）以提高性能。此外，为了优化BOW模型，还可以使用词汇树结构（如Fisher Kernel或...
MATLAB中的VLAD图像处理算法深入解析
特征聚合的方法有很多，比如Bag-of-Words（BoW）模型，以及其改进模型Fisher Vector和VLAD。 图像检索则是从大量的图像集合中找到与给定图像最相似的图像的过程。高效的图像检索技术对于许多应用来说都至关重要，如...
计算Fisher vector和VLAD
GarfieldEr007的专栏
12-16 4160
This short tutorial shows how to compute Fisher vector and VLAD encodings with VLFeat MATLAB interface. These encoding serve a similar purposes: summarizing in a vectorial statistic a number of loc
VLAD 经典的PPT
07-21
这是关于VLAD的最好的PPT了，是原作者搞的，看起来很容易理解。
BOF、Fisher vector、VLAD简析。
lzkzls的博客
12-29 464
都是图像特征的提取算法。 https://www.cnblogs.com/jins-note/p/11342429.html。
FisherVector编码
shanyicheng1111的博客
03-17 2695
BoVBOV解决的是提取SIFT特征之后，特征数据量太多而无法快速计算相似度的问题。如果是用聚类算法对这些SIFT特征矢量数据进行聚类，然后用聚类中的一个簇代表BOV中的一个视觉词，将同一幅图像的SIFT矢量映射到视觉词序列生成码本，这样每一幅图像只用一个码本矢量来描述，这样计算相似度时效率就大大提高了。具体来说BoV特征编码主要是下面的步骤：对训练集中的M副图像进行预处理并提取SIFT特征，假设...
BOW模型在ANN框架下的解释
blog
12-25 8268
Bag of words模型在图像分类和检索的相关问题中，能够将一系列数目不定的局部特征聚合为一个固定长度的特征矢量，从而使不同图像之间能够进行直接比较。然而，BOW往往作为一种编码方式被解释着（SIFT作为coding，BOW作为average pooling），在这里，我会从一个近似最近邻（approximate nearest neighbor）的角度解释一下BOW。
2021图像检索综述
AI数据工厂
05-25 1万+
本文是2021年最新的关于图像检索的综述，介绍了基于内容的图像检索（content based image retrieval， CBIR）在深度学习技术上的进展。
VLAD特征(vector of locally aggregated descriptors)
July's Pensieve
07-25 2万+
《Aggregating local descriptors into a compact image representation》论文笔记 这篇论文中提出了一种新的图片表示方法，也就是VLAD特征，并把它用于大规模图片检索中，得到了很好的实验结果。 目前，BOF在图片检索和分类中应用广泛，首先是因为BOF是基于比较powerful的local特征(如SIFT)得来的，所以表达能力很强；其次是
VLAD讲解
weixin_40411446的博客
06-26 9201
局部聚合向量（Vector of Locally Aggregated Descriptors，VLAD）一种编码方法，广泛用于基于音频的人脸识别、动态场景识别、头部姿态分类等。(1) 欧式空间的VLAD：               具有非常高的辨别能力    仅利用常规的VLAD能够使用初始向量的加法和减法。常规的欧式空间上的VLAD：分    给定一个局部描述子集合，假设他们是高斯混合模型 ...
图片搜索流程
MagickCoding
06-07 2091
1.首先，我们用sift算法生成图像库中每幅图的特征点及描述符。 2.再用k-means算法对图像库中的特征点进行训练，生成类心。 3.生成每幅图像的BOF，具体方法为：判断图像的每个特征点与哪个类心最近，最近则放入该类心，最后将生成一列频数表，即初步的无权BOF。 4.通过tf-idf对频数表加上权重，生成最终的bof。（因为每个类心对图像的影响不同。比如超市里条形码中的第一位总是6，它对
BoW用于图像检索的一般化流程
Polly Study PRIS
11-29 1万+
--来自肉麻的开题报告 以经典BoW模型实现一个图像检索的方法，BoW检索的一般流程如图2所示： 图2  BoW检索流程 最初的BoW在图像检索中应用的流程主要分为以下几步： 1、特征提取。在训练阶段，将图像用很多“块”（patch）表示，以SIFT特征为例，图像中每个关键点就是一个patch，每一个patch特征向量的维数128。 2、字典构建。假设共有M幅训练图像，字
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

mao_feng

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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