筛选描述符值：OpenCV与VLFeat

我试图比较和的SIFT实现

我注意到VLFeat的描述符值是整数，例如：

0 0 0 0 0 0 0 0 0 17 45 20 26 0 1…

而对于OpenCV：

0.03915550 0 0 0.0998274 0.235747 0 0 0 0.0276871 0.156622…

请注意，这些是两个不同图像的描述符

我有两个问题：

为什么他们有两种不同的价值观

如果我需要使用VLFeat（然后是VLAD编码）的k-means的OpenCV表示，我需要更改这些值吗

---

免责声明，我不是OpenCV或VLFeat方面的专家，但我认为我知道答案

VLFeat可以生成整数和浮点描述符。要生成整数描述符，请使用函数；要生成浮点描述符，请使用带有FloatDescriptors参数的函数

出于性能原因，VLFeat可能使用整数描述符。使用整数的计算通常比使用浮点更快。然而，这可能以牺牲精度为代价。尽管如此，在计算机视觉的情况下，较小的精度可能并不那么重要。在对的描述中，您甚至可以读到“虽然这对某些应用程序是有限制的，但它对于聚类图像描述符非常有效，通常不需要非常高的精度”

---

至于k-均值算法。整数描述符有一个版本（），浮点描述符有一个版本（）]。对于OpenCV，只需使用后者。

vl_sift

和

vl_dsift

是完全不同的算法w.r.t。生成关键点的过程不能基于描述符值（int或float）进行比较。根据VLFeat：“默认情况下，vl_dsift（）计算等同于vl_sift（）的特征。”。还有一个例子被描述为“这个例子使用VL_DSIFT（）和VL_SIFT（）生成等效的SIFT描述符：”我的错，我不知道默认行为是相同的（我删除了-1；）。然而，DSIFT意味着“密集筛选”，关键点是从标准网格生成的。也许你可以得到相同的行为，但这两种算法的目的是不同的。例如，DSIFT广泛用于分类，而SIFT更适合于对象识别。但这是OT。无论如何，根据我的说法，由于性能原因，VLFeat使用整数。但是，您应该能够使用vl_kmeans，它与浮点一起工作，并与OpenCV描述符一起使用。