量化OpenCV中的描述符

我正在构建图像搜索引擎，我想通过量化图像描述符来减少内存使用。

---

在OpenCV库中量化SIFT描述符的最佳方法是什么？最快的方法是什么？如何测量量化误差？

量化描述符以减少内存可能不是解决问题的最佳方法。因为丢弃描述符本身中的信息可能会导致搜索中的严重不匹配

OpenCV有许多二进制描述算法，旨在快速高效地存储。一个非常健壮的描述符被证明与SIFT一样好（在某些情况下更好）。它确实需要单独的关键点检测（例如）。使用OpenCV特性检测器和描述符接口可以轻松访问所有这些特性

---

如果您需要使用SIFT描述符解决问题，我建议您查看PCA-SIFT。可以使用PCA有效地降低描述符的维数并保留信息。然而，在OpenCV中，这样做就不那么简单了。

量化描述符以减少内存可能不是解决问题的最佳方法。因为丢弃描述符本身中的信息可能会导致搜索中的严重不匹配

OpenCV有许多二进制描述算法，旨在快速高效地存储。一个非常健壮的描述符被证明与SIFT一样好（在某些情况下更好）。它确实需要单独的关键点检测（例如）。使用OpenCV特性检测器和描述符接口可以轻松访问所有这些特性

---

如果您需要使用SIFT描述符解决问题，我建议您查看PCA-SIFT。可以使用PCA有效地降低描述符的维数并保留信息。然而，在OpenCV中，这样做就不那么简单了。

看看，它正是你想要存档的——基于单词筛选包的图像检索系统。

看看，它正是你想要存档的——基于单词筛选包的图像检索系统。

回答得好，但是你可以将FREAK与任何关键点检测器一起使用。当然，在OpenCV FREAK的例子中，他们使用SURF关键点检测器。我只是说出一个。在我的测试中，我发现基于金字塔的快速检测在利用速度和功能质量方面做得很好。答案很好，但你可以将FREAK与任何关键点检测器一起使用。当然，在OpenCV FREAK示例中，他们使用SURF关键点检测器。我只是说出一个。在我的测试中，我发现基于金字塔的快速检测在利用速度和特性质量方面做得很好。