u013074906的专栏

去年年底的时候在一篇博客中，用ANN的框架解释了BOW模型[1]，并与LSH[2]等哈希方法做了比较，当时得出了结论，BOW就是一种经过学习的Hash函数。去年再早些时候，又简单介绍过LLC[3]等稀疏的表示模型，当时的相关论文几乎一致地得出结论，这些稀疏表示的方法在图像识别方面的性能一致地好于BOW的效果。后来我就逐渐产生两个疑问： 1）BOW在检索时好于LSH，那么为什么不在任何时候都用

SIFT 是一种检测与描述图像局部特征的方法。为了识别和描述图像中的目标， 需要从图像中提取出与目标相联系的特征。 利用这些特征可以从众多背景目标中识别 出所需目标。为了确保准确无误地识别出目标，要求在各种视角、光照、距离以及噪 声条件下仍然可以准确地进行匹配。 SIFT 使用不同的技术解决以上问题。对物体距 离远近， 大小和噪声条件的适应由高斯尺度空间来完成， 而视角、 光