稠密SIFT与SIFT有什么不同？

Question

24

稠密SIFT实现与SIFT有何区别？它们之间的优缺点是什么？我特别指的是VLFeat实现。

- mugetsu

5个回答

2

在http://www.vlfeat.org/overview/dsift.html上，您可以详细了解SIFT和密集SIFT实现的图像特征提取方式以及它们执行时间的比较。VLFeat密集SIFT描述符的主要优点是速度更快。

在MediaMixer Deliverable D1.1.2中，介绍了一种概念检测技术，其中同时使用了SIFT和密集SIFT描述符，并且实验结果表明，这种组合提供了更准确的分类。如需进一步了解，请加入MediaMixer社区门户网站：http://community.mediamixer.eu/。

- MediaMixer

2

密集SIFT在图像中的每个位置和尺度收集更多的特征，从而相应地提高了识别精度。然而，与普通SIFT相比，计算复杂度始终是一个问题。

如果您使用SIFT进行分类，我建议使用普通SIFT和多个内核函数（用于聚类），而不是使用具有单个线性内核函数的密集SIFT。虽然您会得到明显的速度/准确性权衡。

我建议查看这篇论文，它解释了Big-Oh中的实现差异。 this

- MarkKnight

请详细说明聚类步骤。 - mrgloom

2

通常，对于通用物体类别识别，使用密集特征提取比基于关键点的特征提取能够获得更好的结果。

- user334856

1

你可以在VLFeat实现细节中了解更多关于DenseSIFT的内容。 DenseSIFT速度更快（加速30-60倍）。

- mrgloom

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- carlosdc · Accepted Answer

明显的区别在于使用密集SIFT时可以在每个位置获得一个SIFT描述符，而使用普通SIFT时则只在Lowe算法确定的位置获取SIFT描述符。

有许多应用程序需要非密集SIFT，其中一个很好的例子是Lowe的原始工作。

在许多应用程序中，通过计算所有位置（密集地）获得了良好的结果，例如这个。类似于密集SIFT的描述符称为HOG或DHOG，它们在技术上并不相同，但在概念上都基于梯度直方图，并且非常相似。