Opencv 在弓形模型中，L2规范比汉明规范更适用于ORB，为什么？
我在许多论文中读到，在使用ORB特征进行特征匹配时，需要使用汉明距离。在C++中，我一直在使用OpenCV中的BEW模型，并且发现如果使用BruttFuffMatter（Hamming或Hamming（2）），则使用默认的BruttFug匹配器（使用L2），我已经获得了更好的分类精度。p> 为什么会这样Opencv 在弓形模型中，L2规范比汉明规范更适用于ORB，为什么？,opencv,classification,knn,orb,Opencv,Classification,Knn,Orb,我在许多论文中读到，在使用ORB特征进行特征匹配时，需要使用汉明距离。在C++中，我一直在使用OpenCV中的BEW模型，并且发现如果使用BruttFuffMatter（Hamming或Hamming（2）），则使用默认的BruttFug匹配器（使用L2），我已经获得了更好的分类精度。p> 为什么会这样 我的印象是，你不能使用L2范数，但它提供了比使用汉明距离更好的分类精度 除了L2中的平方根，我不确定二进制向量的两个范数之间是否真的有差异。我遗漏了什么吗？我一直在读二进制描述符需要使用汉明距离
我的印象是，你不能使用L2范数，但它提供了比使用汉明距离更好的分类精度 除了L2中的平方根，我不确定二进制向量的两个范数之间是否真的有差异。我遗漏了什么吗？我一直在读二进制描述符需要使用汉明距离进行比较。仍然不确定什么方法是正确的=使用汉明距离确实比较了二进制描述符，但我不确定这是否与聚类有关。很抱歉