视觉词袋：什么是合理的词（向量）维度？

Question

在Bag of Features/Visual Words 范式中，我们在k-dimensions 中有一个向量V，其中V[i]=j 如果i-th 质心（由k-means 算法获得）是其中最接近的一个j 视觉描述符（例如 SIFT 描述符）的所有 k-centroids。

AFAIK，生成的视觉向量非常稀疏（这意味着大多数条目都是 0 值），因为 k 确实很大，但我的问题是：k 的合理值是多少（所以向量大小）？数百维？数千？特别是考虑到k-意味着执行时间取决于k。

Answer 1

取决于你的数据，真的。这是经验法则：

K 太小：您的集群不能代表所有补丁。 K 太大：您可能会得到量化伪影并且可能会过拟合。