問題タブ [feature-descriptor]

正面を向いたロボットによって地上で撮影された画像があります。nxn部屋のレイアウトを示すサイズの 2D マップがあります。画像を何らかの形で 2D マップに適用して、マップ内の位置の確率分布を生成し、どの位置が可能性があるかを示したいと考えています。たとえば、角の画像を受け取った場合、角に近い 2D マップ内の位置ほど可能性が高いことがわかります。ドアのイメージがある場合も同様です。

画像をマップに正確に適用するにはどうすればよいですか? nxnxk2Dマップの特徴記述子と1x1xk画像から別の記述子を生成し、マップ上の各ピクセルでこれらの記述子間の類似性を計算するようなことを考えていnxnます。しかし、正確にはどのように？

大量の画像の計算された記述子をローカルファイル内またはデータベース内に保持することが興味深いかどうかを判断しようとしています (各 .png 画像の解像度は 500x500 で、重みは約 25kb です)。

ブリーフ 32 記述子で ORB を使用すると、1 つの記述子の重量は約 3 メガバイトになります。私の写真はすべて同じ寸法であるため、このようなサイズは一定のままです。

最速のものを見つけるために、次の2つのテストを実行しました。

正直なところ、記述子全体を再計算するよりもデータをロードする方が速いと思いました。

これが私のテストの結果です：

だから今、私は混乱しています。ORB が非常に高速なアルゴリズムであることは知っていますが、SSD ディスクから読み取るよりも 3MB の記述子を「生成」する方がどのように高速でしょうか? ベンチマークに何か問題がありますか?

ありがとうございました。

私はopenCV（Java）を使用しており、最適な一致のリストがあります。これが私のコードです：

トレイン記述子とクエリ記述子のインデックスを使用する必要があることはわかっていますが、その方法がわかりません。私はこれらのように試しましたがMatOfKeyPoint、Javaの配列のようにアクセスできないため機能しません。

ピクセル座標を見つけるにはどうすればよいですか?

画像データがあり、SIFT を使用して機械学習をトレーニングするために使用していますが、データに問題があり、一部の画像には画像記述子が含まれていません。そのため、トレーニングとテストを終えたときの結果は 56% しかありません (もちろん、期待した結果ではありません)。この問題を解決するために、イメージ ディスクリプタが含まれていないイメージをいくつか削除することにしました。ただし、画像記述子を含む images_descriptor 配列からのみ削除できます。ここでの問題は、どの画像を削除する必要があるかわからないため、「ターゲット」を削除できることです。
私のデータには形があります：(15000, 64, 64, 3)

これまでの私のコード:

images_descriptor からインデックスを取得するためのインデックスを作成しようとしていますnp.where。images_descriptor次に、で削除した画像を削除できyます。しかし、これに対して受け取る結果は次のとおり(array([], dtype=int64)です。