这篇博客介绍了如何使用BOF（Bag of Features）算法和K-Means聚类算法在Matlab中实现图像检索。作者通过SIFT特征提取、视觉词典构建和图像表示，展示了实验过程。注意K-Means算法需要多次迭代以收敛，最终实验查准率可达90%。博客提供了源码下载和操作指南。
更新：
很多同学告诉我说代码运行有问题，运行的时候缺少文件或者找不到文件，我在这里补充一下：
大家需要把里面的SIFT_features等三个文件夹添加到文件路径，不然matlab运行的时候只会搜索当前文件夹下文件。具体做法是，在matlab里面选中文件夹，右键-》添加到文件路径-》选定的文件夹和子文件夹。然后运行do_demo.m就行了
再补充一下，有同学提醒说k-means算法只迭代了一次，有错误。我检查了一下，我的K-Means算法确实有错误，应该是要计算很多轮，每一轮算完统一迭代类心，知道类心收敛不再改变为止。然后希望不要误导了大家，但是代码里面我就不改了，大家改一下K-means.m的那个function就行了。
（运行结果）
分割线
———–
最近看到数据挖掘中的K-Means算法，想到它经常和图像分类中的BOF算法结合，恰好自己最近在做图像检索方面的研究，就试着实现了一下，代码资源我会在文后附上链接
BOF（Bag of Features）算法实际上就是BOW&#
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
