使用 VLFEAT 实现词袋对象识别答案

【问题标题】：implementing Bags of Words object recognition using VLFEAT使用 VLFEAT 实现词袋对象识别
【发布时间】：2012-06-20 23:04:25
【问题描述】：

我正在尝试在 matlab 中实现一个 BOW 对象识别代码。这个过程有点复杂，我在找到有关该过程的适当文档时遇到了很多麻烦。那么有人可以仔细检查我下面的计划是否有意义吗？我在这里广泛使用VLSIFT library

Training:
1. Extract SIFT image descriptor with VLSIFT
2. Quantize the descriptors with k-means(vl_hikmeans)
3. Take quantized descriptors and create histogram(VL_HIKMEANSHIST)
4. Create SVM from histograms(VL_PEGASOS?)

我了解步骤 1-3，但我不太确定 SVM 的功能是否正确。 VL_PEGASOS 采用以下内容：

W = VL_PEGASOS(X, Y, LAMBDA)

我如何将这个函数与我创建的直方图一起使用？

最后在识别阶段，如何将图像与 SVM 定义的类匹配？

【问题讨论】：

标签： computer-vision svm sift

【解决方案1】：

你看过他们的Caltech 101 example code，那是BoW方法的完整实现。

这是他们用pegasos分类并评估结果的部分：

% --------------------------------------------------------------------
%                                                            Train SVM
% --------------------------------------------------------------------

lambda = 1 / (conf.svm.C *  length(selTrain)) ;
w = [] ;
for ci = 1:length(classes)
  perm = randperm(length(selTrain)) ;
  fprintf('Training model for class %s\n', classes{ci}) ;
  y = 2 * (imageClass(selTrain) == ci) - 1 ;
  data = vl_maketrainingset(psix(:,selTrain(perm)), int8(y(perm))) ;
  [w(:,ci) b(ci)] = vl_svmpegasos(data, lambda, ...
                                  'MaxIterations', 50/lambda, ...
                                  'BiasMultiplier', conf.svm.biasMultiplier) ;

  model.b = conf.svm.biasMultiplier * b ;
  model.w = w ;

% --------------------------------------------------------------------
%                                                Test SVM and evaluate
% --------------------------------------------------------------------

% Estimate the class of the test images
scores = model.w' * psix + model.b' * ones(1,size(psix,2)) ;
[drop, imageEstClass] = max(scores, [], 1) ;

% Compute the confusion matrix
idx = sub2ind([length(classes), length(classes)], ...
              imageClass(selTest), imageEstClass(selTest)) ;
confus = zeros(length(classes)) ;
confus = vl_binsum(confus, ones(size(idx)), idx) ;

【讨论】：