OpenCV的增量奇异值分解

Question

我有大量来自户外相机的图像存档。接近 200000 个项目，每个 1280x960 彩色像素。我想通过为这些数据构建 SVD（特征图像）并减少数据向量（比如每张图片的 100 维向量）来索引这个数据库。

一次将所有这些数据加载到 RAM 中需要大约 200GB 的 RAM。 首先，我没有那么多内存。 其次，它不会扩大规模。因此，我正在寻找可能应该存在于 OpenCV 或 Eigen 等库中的 增量 奇异向量分解的实现。

我不想在进行 SVD 之前降低分辨率，因为我相信小部分（已分辨的远处物体）可能对我很重要，但降低分辨率我只是失去了所有高频特征。

更新：

• 我发现 NN 算法 GHA 或 APEX 可以在这里提供帮助。

• 又一个算法： http://www.cs.technion.ac.il/~mic/doc/skl-ip.pdf

Answer 1

我还没有看到使用 Eigen 的实现。但是编写 scikit-learn 用于incremental PCA 的相同方法似乎并不难。