Arrays 我想用双线性插值来计算向量的和
我有我实现它的最后一段代码中的各个向量Arrays 我想用双线性插值来计算向量的和,arrays,image-processing,vector,computer-vision,interpolation,Arrays,Image Processing,Vector,Computer Vision,Interpolation,我有我实现它的最后一段代码中的各个向量 算法的下一阶段是计算这些向量的总和 如论文所述 “前一阶段的矢量通过双线性加权在空间上求和” 我认为双线性加权意味着双线性插值 谁能告诉我或给我举个例子,我如何使用双线性插值 计算此向量的总和 V1=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,2] V2=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,11,11] V3=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0
算法的下一阶段是计算这些向量的总和
如论文所述
“前一阶段的矢量通过双线性加权在空间上求和”
我认为双线性加权意味着双线性插值
谁能告诉我或给我举个例子,我如何使用双线性插值
计算此向量的总和
V1=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,2]
V2=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,11,11]
V3=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,23,0,0,0,0]
V4=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,19,0,0,0,0]
V5=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,2,2,0,0,0]
V6=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,8,8,0,0,0,0]
V7=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,18,0,0,0,0]
V8=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,23,23,0,0,0,0,0]
V9=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,0]
V10=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,3,0,0,0]
V11=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,8,0,0,0,0]
V12=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,11,11,0,0,0,0,0]
V13=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]
V14=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,0,0]
V15=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,2,2,0,0,0,0,0]
V16=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,2,0,0,0,0,0,0]
我用谷歌搜索了一下,但不懂方程式
提前问候和感谢 遗憾的是,我也很难理解这篇论文。正如您所说的,我们的想法是根据向量与集合中心的距离对向量进行加权,这样距离集合中心越远的向量影响越小。本文将其与著名的SIFT特性进行了比较,您可以从中了解到SIFT特性 下面是关于其含义的最佳猜测。因为这与机器学习有关,也可以要求人们去获取他们的意见,或者考虑联系作者的论文。
如果我理解正确的话,这相当于一个类似于双线性插值的过程,除了反向 通过双线性插值,我们得到了一组排列在网格中的函数值,我们想要找到网格点之间函数值的好猜测。我们通过对四个周围函数值进行加权平均来实现这一点,权重是下图中相反的矩形的相对面积。(所谓“相对”是指面积由整个网格矩形的面积归一化,因此权重总和为1。)请注意,要插值的点如何最接近
(x1,y2)
网格点,因此我们使用最大权重(黄色矩形的相对面积)对其进行加权
f(x,y)=w_11*f(x1,y1)+w_21*f(x2,y1)+w_12*f(x1,y2)+w_22*f(x2,y2)
w_ij=相对矩形的面积(xi,yj)/网格正方形的总面积
论文中描述的“双线性加权”似乎起到了相反的作用:我们的值(在本例中为向量)分散在整个二维空间中,我们希望将它们的值“汇集”在我们选择的一组网格点上
我们通过将每个向量的一部分添加到四个周围的池网格点来实现这一点。这个分数同样是相对矩形的相对面积
在上图中。。。汇集点(xi,yj)
将与区域内任何其他点的适当分数一起求和w_ij*f(x,y)
正如本文所述,网格点的间距由您决定。我认为它需要足够大,以允许大多数投票点在其附近至少有一个向量
编辑:下面是我的意思的一个例子
(0,1) . _ _ _ _ _ . (1,1)
| |
| v |
| |
| |
(0,0) . _ _ _ _ _ . (1,0)
假设向量v=[10,5]
位于点(0.2,0.8)
点(0,0)
获得权重0.8*0.2=0.16
,因此我们将0.16*v=[1.6,0.8]
添加到该池点
(1,0)
获得权重0.2*0.2=0.04
,因此我们将0.04*v=[0.4,0.2]
添加到该池点
(0,1)
获得权重0.8*0.8=0.64
,因此我们将0.64*v=[6.4,3.2]
添加到该池点
(1,1)
获得权重0.2*0.8=0.16
,因此我们将0.16*v=[1.6,0.8]
添加到该池您可以链接到这篇文章的副本吗?双线性插值用于在具有两个输入的函数中的点之间进行插值。上面的图像是用来表示某种2D函数或矩阵,还是仅仅是一系列向量?我不知道如何使用双线性插值来求和向量。正如Igenchris所说,这是一种用于2D信号的方法,因此可以在点之间进行插值。向量本质上是一维的。如果粘贴这些值而不是包含这些值的图像,那么得到有用答案的几率也会更高。@chris,它只是一系列的值vectors@eigenchris第5页C部分[S1]谢谢你,他的回答超出了OP应得的+1.我也很喜欢图形插图。非常感谢你的帮助!你消除了许多误解points@eigenchris我只需要一个数字例子,用我的向量来了解更多:)如果你们不介意的话,你们能给我澄清一下吗?当做