使用 vl_sift 函数在 matlab 中进行 SIFT
SIFT in matlab using vl_sift function
我正在使用 vl_sift（来自 vl_feat 站点）函数来查找 SIFT 描述符，它为我提供了一个图像的大小为 128*1 的描述符，第二个图像的大小为 128*2。我知道 128 背后的原因，但我不明白为什么列不断变化（有时是 1，有时是 2），它必须相同，对吗？谁能解释一下这些列代表什么？
谢谢
SIFT 提取任意数量的描述符，每个大小为 128。提取的描述符数量不会是一个固定的数字，因为它取决于有多少点是 "strong enough" 是一个好的描述符。 SIFT算法中每个描述子有128个"features"，其他的（比如SURF，64个特征）会有不同。
在您的例子中，您在第一张图片中获得了一个特征，在第二张图片中获得了 2 个特征。那是非常非常很少的特征，也许你的图片太小了？
从关键点提取特征。在 SIFT 案例中，它们是类似 blob 的结构。换句话说，vl_sift 函数寻找关键点并从每个关键点中提取一个 128 维的描述符。
您有各种尺寸（128*1 或 128*2 等...），因为在一张图像中 vl_sift 找到一个关键点，在另一张图像中找到 2 个关键点。这就是为什么你有不同的维度。
我正在使用 vl_sift（来自 vl_feat 站点）函数来查找 SIFT 描述符，它为我提供了一个图像的大小为 128*1 的描述符，第二个图像的大小为 128*2。我知道 128 背后的原因，但我不明白为什么列不断变化（有时是 1，有时是 2），它必须相同，对吗？谁能解释一下这些列代表什么？ 谢谢
SIFT 提取任意数量的描述符，每个大小为 128。提取的描述符数量不会是一个固定的数字，因为它取决于有多少点是 "strong enough" 是一个好的描述符。 SIFT算法中每个描述子有128个"features"，其他的（比如SURF，64个特征）会有不同。
在您的例子中，您在第一张图片中获得了一个特征，在第二张图片中获得了 2 个特征。那是非常非常很少的特征，也许你的图片太小了？
从关键点提取特征。在 SIFT 案例中，它们是类似 blob 的结构。换句话说，vl_sift 函数寻找关键点并从每个关键点中提取一个 128 维的描述符。
您有各种尺寸（128*1 或 128*2 等...），因为在一张图像中 vl_sift 找到一个关键点，在另一张图像中找到 2 个关键点。这就是为什么你有不同的维度。