Flann Matcher 训练如何在 opencv 中工作？答案

【问题标题】：how does Flann Matcher train work in opencv?Flann Matcher 训练如何在 opencv 中工作？
【发布时间】：2014-01-28 10:05:54
【问题描述】：

我是opencv的新手。我的问题是：

我有 2 个火车图像描述符 trainA 和 trainB。然后我构造一个向量来放入它们，并将它们添加到 flann 匹配器中进行训练。

之后，我使用查询图像描述符 queryC 进行 knnMatch 并返回 DMatchs。

在这种情况下，哪个火车描述符将用于匹配 queryC、trainA 或 trainB？以及训练如何帮助提高匹配准确率？

提前致谢。

【问题讨论】：

【解决方案1】：

两者兼而有之。它不是标准意义上的“训练”。这里的“训练”只是指“一组描述符，基于哪个 kd-tree 构建”。更简单 - 当您进行匹配时，您从集合 S1 中获取一个特征并在集合 S2 中寻找最近的邻居。 FLANN（kd-tree 的实现）只是快速找到（近似）最近邻居的方法。

【讨论】：

感谢@old-ufo 的回复。我也可以说我添加到训练中的训练描述符越多，真正目标的兴趣点就越多，在这方面，训练提高了匹配精度？
不是准确度（即精度），而是“召回”en.wikipedia.org/wiki/Precision_and_recall。一方面 - 是的，另一方面 - 附加描述符必须是： 1）真正属于对象； 2）如果您使用第二近邻比率，则附加描述符必须与现有描述符足够不同。否则，它们会在标准 Lowe 的 SNN 测试中“杀死”对方。
很酷，谢谢。所以基本上，只有适当的描述符才能提高精度和召回率。