私はVLSiftを使用してオブジェクト認識に取り組んでいますが、これを機能させるにはさまざまな方法があるように思われます。1つの方法は次のとおりです。-SIFT機能を抽出します-既存のSIFT機能データベースを保持するkdtreeで機能を検索します-返される最良のビン機能
もう1つは次のようです：-SIFT機能の抽出-ヒストグラムの作成
つまり、オブジェクト認識の分類部分を無視します。これらは2つの正当なアプローチであると私は正しいですか？私の知る限り、ヒストグラムも最良のビンを取得します。もしそうなら、どちらが良いですか？長所と短所は何ですか？
Kd-Treeは、一連のアイテムを含むデータ構造です。これにより、クエリアイテムのK最近傍の高速検索が可能になります。
オブジェクト認識の問題に関する限り、Kd-Treeは必要なコンポーネントではありません。これは、個々の機能のマッチングの実行時間を改善する目的にのみ役立ちます。
ヒストグラムアプローチでは、個々の特徴を一致させる必要はまったくありません。代わりに、クエリ画像の特徴を量子化します。次に、量子化された特徴のヒストグラムを計算します。一致するデータベース画像を見つけるために、データベースで最も類似したヒストグラムを探します。
個々の特徴のマッチングは必要ないため、ヒストグラムアプローチは漸近的に高速に実行されます。
2つのアプローチの重要な違いは、ヒストグラム表現が、特徴ベクトルが計算されたキーポイントの空間座標を認識しないことです。したがって、識別力が低くなります。