LLC学习笔记2(BOF)

最新推荐文章于 2024-08-31 22:46:14 发布

Terry_o0o

最新推荐文章于 2024-08-31 22:46:14 发布

阅读量1.6k

点赞数

CC 4.0 BY-SA版权

分类专栏： [老论文笔记]

本文链接：https://blog.youkuaiyun.com/wstzone/article/details/50920778

[老论文笔记] 专栏收录该内容

16 篇文章

订阅专栏

Bag-of-Features(BOF)模型借鉴文本检索领域的Bag-of-Words方法,将图像描述为一系列局部特征的无序集合。通过聚类算法形成视觉词汇表,进而统计各视觉词在图像中的出现情况,实现图像检索及分类。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Bag-of-Features(BOF)

Bag-of-words模型 BOW是信息检索领域常用的文档表示方法。在信息检索中，BOW模型假定对于一个文档，忽略它的单词顺序和语法、句法等要素，将其仅仅看作是若干个词汇的集合，文档中每个单词的出现都是独立的，不依赖于其它单词是否出现。也就是说，文档中任意一个位置出现的任何单词，都不受该文档语意影响而独立选择的。

图像可以视为一种文档对象，图像中不同的局部区域或其特征可看做构成图像的词汇，其中相近的区域或其特征可以视作为一个词。这样，就能够把文本检索及分类的方法用到图像分类及检索中去。

Bag-of-Features模型仿照文本检索领域的Bag-of-Words方法，把每幅图像描述为一个局部区域/关键点(Patches/Key Points)特征的无序集合。使用某种聚类算法(如K-means)将局部特征进行聚类，每个聚类中心被看作是词典中的一个视觉词汇(Visual Word)，相当于文本检索中的词，视觉词汇由聚类中心对应特征形成的码字(code word)来表示（可看当为一种特征量化过程）。所有视觉词汇形成一个视觉词典(Visual Vocabulary)，对应一个码书(code book)，即码字的集合，词典中所含词的个数反映了词典的大小。图像中的每个特征都将被映射到视觉词典的某个词上，这种映射可以通过计算特征间的距离去实现，然后统计每个视觉词的出现与否或次数，图像可描述为一个维数相同的直方图向量，即Bag-of-Features。

如下图：
Bag-of-Features