Opencv 训练数据的聚类预测
我正在创建一个视频分类视觉单词包。我没有使用SURF描述符，这就是为什么我不能使用OpenCV的Opencv 训练数据的聚类预测,opencv,machine-learning,computer-vision,histogram,cluster-analysis,Opencv,Machine Learning,Computer Vision,Histogram,Cluster Analysis,我正在创建一个视频分类视觉单词包。我没有使用SURF描述符，这就是为什么我不能使用OpenCV的BOWImgDescriptorExtractor。 我提取了我的描述符，并自己对它们进行了聚类。我现在有了我的词汇量（4000个）。我应该做的是将我的培训描述符分配给这些集群，并为下一步创建可视化直方图。我应该如何进行预测并从创建的字典中为我的训练数据创建视觉直方图？为了将描述符分配给簇，必须选择一个距离度量。一个简单的选择是欧几里德距离。然后，您需要计算从训练描述符到每个簇质心的距离，并将它们分配
BOWImgDescriptorExtractor我提取了我的描述符，并自己对它们进行了聚类。我现在有了我的词汇量（4000个）。我应该做的是将我的培训描述符分配给这些集群，并为下一步创建可视化直方图。我应该如何进行预测并从创建的字典中为我的训练数据创建视觉直方图？为了将描述符分配给簇，必须选择一个距离度量。一个简单的选择是欧几里德距离。然后，您需要计算从训练描述符到每个簇质心的距离，并将它们分配给其质心比任何其他簇的质心更接近描述符的簇 对图像上的所有训练描述符执行此操作后，计算分配给每个集群的描述符数量，然后构建直方图。但是，必须对训练集中的所有图像重复此过程。由于描述符的数量可能随图像而变化，直方图通常在作为特征向量输入分类器进行训练之前进行归一化