使用“带有词汇树的可扩展识别”实现图像匹配 [关闭]答案

【问题标题】：Implementations of image matching using "Scalable Recognition with a Vocabulary Tree" [closed]使用“带有词汇树的可扩展识别”实现图像匹配 [关闭]
【发布时间】：2011-04-17 15:54:57
【问题描述】：

您知道 David Nister 和 Henrik Stewenius 提出的称为“Scalable Recognition with a Vocabulary Tree”的图像匹配方法的任何实现或改进吗？我正在尝试实现它，但我无法理解算法的某些部分（更具体地说，是计算分数）。

【问题讨论】：

标签： algorithm computer-vision sift

【解决方案1】：

这是一个很好的词汇树实现 - libvot。它使用 C++11 标准多线程库来加速构建过程，因此运行速度非常快。

它使用三个步骤来构建词汇树。第一步是使用筛选描述符构建一个 kmeans 树。第二步是使用您在第一步中构建的词汇树来构建图像数据库。第三步是根据图像数据库查询图像。倒排列表和L1距离测量等一些先进技术也反映在这个存储库中。

【讨论】：

【解决方案2】：

关于词汇树，我发现这篇论文 (http://www.tango-controls.org/Members/srubio/MasterThesis-VocabularyTree-SergiRubio-2009.pdf) 用 C++/python 实现了它们。但是，我在任何地方都找不到代码，所以我联系了作者获取代码，但直到现在都没有成功。

此外，我发现了这个其他实现 (http://www.inf.ethz.ch/personal/fraundof/page2.html)，但是我无法将其投入使用。

你已经实现了吗？我想对图像识别做同样的事情，但这似乎是一项非常痛苦的任务。

最好的问候。

【讨论】：

【解决方案3】：

Sergio Rubio 在http://sourceforge.net/projects/vocabularytree/ 上发布了使用词汇树进行图像分类的实现。我不得不重新编写他发布的大部分 C 代码才能使其在我的 Windows 系统上运行，但总的来说，它是实现原始论文中提出的想法的非常好的资源。

【讨论】：

【解决方案4】：

最近我在 C++ 中发现了一个非常棒的非免费词汇树实现，名为 DBow。

代码组织得很好，有很多cmets。

在这里结帐：http://webdiis.unizar.es/~dorian/index.php?p=31

这里：http://webdiis.unizar.es/~dorian/index.php?p=32

【讨论】：

【解决方案5】：

您想查找空间填充曲线或空间索引。 sfc 将 2d 复杂性降低到 1d 复杂性，尽管它只是表面的重新排序。 sfc recursivley 将表面细分为更小的瓷砖，并不断挑选附近瓷砖的信息。它可以与四叉树进行比较。这对于比较图像很有用，因为您可以在附近进行比较。困难在于使瓷砖具有可比性。我相信 DCT 在这里很有用。您想查找 Nick 的希尔伯特曲线四叉树空间索引博客。

【讨论】：

我不明白空间填充曲线与词汇树或问题中提到的算法的任何部分之间的关系。您是否建议将此作为整个算法的替代方案？能详细点吗？
是的，我建议将其作为替代方法，但我没有使用 DCT 的经验，但您可以在谷歌上搜索这种方法，我忘记了研究人员。它已经在生产中。

【解决方案6】：

我相信 Grauman 和 Darrell 提出的Pyramid Match kernel method 通常被认为更好。你可以得到一个 C++ 库实现here。

【讨论】：