密集的SIFT比SIFT更适合词袋吗？

Question

我正在使用OpenCV实现Bag-of-Words图像分类器.最初我测试了在SURF关键点中提取的SURF描述符.我听说Dense SIFT(或PHOW)描述符可以更好地用于我的目的,所以我也尝试过它们.

令我惊讶的是,他们表现得更差,实际上差了近10倍.我能做错什么？我正在使用OpenCV的DenseFeatureDetector获取关键点.我从9层中提取每个图像大约5000个描述符,并将它们聚类成500个簇.

我应该从VLFeat库中尝试PHOW描述符吗？此外,我不能在OpenCV的SVM实现中使用chi square内核,这在许多论文中都是推荐的.这对分类器质量至关重要,我应该尝试另一个库吗？

另一个问题是尺度不变性,我怀疑它可能受到密集特征提取的影响.我对吗？

Answer 1

这取决于问题.您应该尝试不同的技术,以了解什么是最适合您的问题的技术.当您需要对任何类型的场景进行分类时,通常使用PHOW非常有用.您应该知道PHOW与Dense SIFT略有不同.几年前我使用过vlfeat PHOW,看到代码,它只是调用不同大小的密集筛选,以及一些平滑.这可能是一个能够不变规模的线索.同样在我的实验中我使用了libsvm,结果直方图交叉对我来说是最好的.默认情况下,chi-square和histogram相交内核不包含在libsvm和OpenCV SVM中(基于libsvm).您是决定是否应该尝试它们的人.我可以告诉你,RBF内核实现了近90%的准确度,直方图交叉度为93%,卡方为91%.但这些结果都在我的具体实验中.你应该从自动调整的params开始使用RBF,看看它是否足够.

总结一切取决于您的具体实验.但是如果你使用Dense SIFT,也许你可以尝试增加簇的数量,并用不同的比例调用Dense SIFT(我推荐你的PHOW方式).

编辑:我正在看OpenCV DenseSift,也许你可以开始

m_detector=new DenseFeatureDetector(4, 4, 1.5);

知道vlfeat PHOW使用[4 6 8 10]作为箱尺寸.