[图像] K-means聚类(视觉单词)
2016-01-18 17:16
197 查看
输入图像的n个sift特征点,聚合得到k个集合,每个集合的聚类质心就是视觉单词。
前面已经提到每个sift特征点是一个128维的向量,最终得到的每个视觉单词也是一个128维的向量。
第一步:任意选择k个sift特征点作为初始聚类质心。
第二步:对于每个sift特征点,计算它们与k个聚类质心的欧式距离,找到最小的那个聚类质心,将该特征点放入此聚类质心集合中。
第三步:对于每个聚类质心集合,用所有元素均值来更新质心。
第四步:比较更新前后聚类质心集合是否相近(距离小于某阈值),相近则完成聚类,否则返回步骤2,如果迭代次数太多聚类失败。
k数值的选择和k个sift特征点的随机性影响了算法精度。
前面已经提到每个sift特征点是一个128维的向量,最终得到的每个视觉单词也是一个128维的向量。
第一步:任意选择k个sift特征点作为初始聚类质心。
第二步:对于每个sift特征点,计算它们与k个聚类质心的欧式距离,找到最小的那个聚类质心,将该特征点放入此聚类质心集合中。
第三步:对于每个聚类质心集合,用所有元素均值来更新质心。
第四步:比较更新前后聚类质心集合是否相近(距离小于某阈值),相近则完成聚类,否则返回步骤2,如果迭代次数太多聚类失败。
k数值的选择和k个sift特征点的随机性影响了算法精度。
相关文章推荐
- 欧拉函数(模板)
- Xcode7常见编译错误以及解决方法汇总(持续补充)
- 崩溃的公司网络
- Android Native一处反调试
- 博客成立的第一天!纪念我几经波折的前端之路
- AngularJS API之isXXX()
- [python] - logging日志模块
- 怎么在Eclipse中添加VI插件
- 菜鸟学习Cocos2d-x 3.x——浅谈动作Action
- C语言【顺序表】冒泡排序,一次选出最大最小的数据,二分查找,初始化顺序表
- TCP/IP、Http、Socket的区别
- 显示全部控制台信息
- 怎么在Eclipse中添加VI插件
- MongoDB使用小结:一些常用操作分享
- 对web开发从业者的发展方向的思考
- AngularJS API之toJson 对象转为JSON
- Uri.parse()调用
- 由于某种错误导致数据表数据巨大(千万级别),删除后对该数据操作速度极慢的原因及解决方法
- ngix是做什么的 tomcat结合nginx使用小结 好
- 平安城市发展趋势分析