Computer vision 计算机视觉中使用文字袋的原因
在计算机视觉中，人们为什么会选择一袋文字 例如：如果使用HOG特征作为描述符，并对该特征应用弓形方法，则结果将是直方图的直方图 我可以看到这种方法的降维优势，以及生成的箱子的固定大小，但这真的是唯一的原因吗？因为这种减少也会导致信息的丢失Computer vision 计算机视觉中使用文字袋的原因,computer-vision,object-detection,Computer Vision,Object Detection,在计算机视觉中，人们为什么会选择一袋文字 例如：如果使用HOG特征作为描述符，并对该特征应用弓形方法，则结果将是直方图的直方图 我可以看到这种方法的降维优势，以及生成的箱子的固定大小，但这真的是唯一的原因吗？因为这种减少也会导致信息的丢失 我还可以考虑将图像调整为固定的、通常更小的大小，并计算猪的大小。生成的向量也将具有固定的大小，因此它也可以与分类器一起使用。这也会导致信息丢失，特别是当固定图像大小非常小时，但不会像k-means那么大。我认为这个想法是这样的：低级特征检测器会找到小的“相关”
我还可以考虑将图像调整为固定的、通常更小的大小，并计算猪的大小。生成的向量也将具有固定的大小，因此它也可以与分类器一起使用。这也会导致信息丢失，特别是当固定图像大小非常小时，但不会像k-means那么大。我认为这个想法是这样的：低级特征检测器会找到小的“相关”补丁，描述符+k-means算法会将它们打包到“头灯”、“轮胎”等袋子中，“车顶”。然后，如果你发现一对前灯、两个轮胎和一个车顶，你可能正在看一辆车
这样做的好处是，轮胎和前照灯的位置无关紧要，因此无论您是看侧视图、前视图还是不同车型的汽车都无关紧要。如果您将功能描述符直接应用于整个图像，则侧视图和前视图将得到完全不同的描述。这就完美地说明了这一点有道理，谢谢！