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