CBIR с SIFT одинаковые функции, дискретные и непрерывные подходы

Question

В настоящее время я занимаюсь внедрением CBIR-системы для распознавания объектов (классификация объектов подробно), и теперь, поскольку у меня есть некоторые рабочие функции-детекторы и -писатели I попробуйте найти лучший способ для обработки этих функций для задачи поиска изображений на основе контента.

Насколько я знаю, для этой задачи существуют два основных направления: дискретный и непрерывный подход. Там, где дискретно обозначает методы, такие как мешочные визуальные слова и кодовые книги для создания инвертированных индексов для применения методов, относящихся к поиску текста, и непрерывные средства для таких методов, как Best Bin First search с деревьями k-d и классификацией ближайших соседей.

Итак, основное отличие между этими двумя подходами состоит в том, что один работает с дополнительным представлением для таких функций, как визуальные слова, а другой работает с функциями n-D, вычисленными из дескриптора.

Мой вопрос сейчас, есть ли какое-либо сравнение между двумя методами для CBIR, которые могли бы помочь мне найти лучший подход к моей задаче?

Answer 1

Полный ответ на этот вопрос будет довольно сложным и продолжительным. , но, как правило, непрерывный метод может дать вам более точные результаты, но он медленнее, так как вы можете эффективно создавать индекс поиска, и вам нужно работать с большими дескрипторами.

Вы должны рассмотреть комбинацию, которая использует дискретные функции (визуальные слова) для начальных результатов, а затем фильтрует результирующий набор с использованием непрерывных методов.