使用图像特征捕获宏观和微观几何
Capturing macro and micro geometry using image features
我正在提取图像特征进行纹理识别。我想从 2D image 中提取图像特征。这些功能应该捕获图像的 micro 和 macro geometry。我试图找出一些可以给我上述结果的算法。我试过 SIFT 但它只捕获宏观几何、形状和边缘细节的细节。另一方面，我尝试了各种版本的 LBP（如 CS-LBP、LNBP 等），但它们只能捕获像素差异，而不能捕获事物的整体方案。我尝试的另一种技术是使用具有不同距离和方向值的 GLCM。但仍然存在生成的直方图过大，比较耗时过长的问题。此外，结果也不是很好。 SVM 的分类率仅为 48%。
任何人都可以指导我找到一种通用算法来捕获像素级差异以及整体纹理图案。
为什么需要通用算法？你有：
- 用于捕获微观的局部非参数特征（如 LBP）
- 宏观特征（如角检测器、筛选）
- 整体几何不变统计（如直方图、傅里叶变换等）
只需计算所有特征，将它们连接成一个向量，这个向量就是您想要的结果。您不需要单一的智能算法。成功的关键是许多 "simple" 算法的组合（串联）。
如果您遇到速度问题（您的特征向量太长），请尝试在 SVM 之前使用 PCA。它会以松开 "minimal amount of information" 的方式减小向量的大小。 PCA 可以轻松地将向量的长度减少 10 倍。
PCA 运行ning时间比较快（乘以一个2D矩阵）。
如果即使您确定使用了良好的功能，识别率仍然很低，请尝试 ITML。 ITML 在 PCA 之后使用，它也是与 2D 矩阵的乘法。 ITML 是 "normalize the affection of each feature and cancel out the affect of feature's very large or very small range of values" 的一种方式。
通常，如果您使用好的特征，运行 PCA、ITML 和 SVM - 即使在困难的计算机视觉任务中，您也应该得到好的结果
我正在提取图像特征进行纹理识别。我想从 2D image 中提取图像特征。这些功能应该捕获图像的 micro 和 macro geometry。我试图找出一些可以给我上述结果的算法。我试过 SIFT 但它只捕获宏观几何、形状和边缘细节的细节。另一方面，我尝试了各种版本的 LBP（如 CS-LBP、LNBP 等），但它们只能捕获像素差异，而不能捕获事物的整体方案。我尝试的另一种技术是使用具有不同距离和方向值的 GLCM。但仍然存在生成的直方图过大，比较耗时过长的问题。此外，结果也不是很好。 SVM 的分类率仅为 48%。
任何人都可以指导我找到一种通用算法来捕获像素级差异以及整体纹理图案。
为什么需要通用算法？你有：
- 用于捕获微观的局部非参数特征（如 LBP）
- 宏观特征（如角检测器、筛选）
- 整体几何不变统计（如直方图、傅里叶变换等）
只需计算所有特征，将它们连接成一个向量，这个向量就是您想要的结果。您不需要单一的智能算法。成功的关键是许多 "simple" 算法的组合（串联）。
如果您遇到速度问题（您的特征向量太长），请尝试在 SVM 之前使用 PCA。它会以松开 "minimal amount of information" 的方式减小向量的大小。 PCA 可以轻松地将向量的长度减少 10 倍。 PCA 运行ning时间比较快（乘以一个2D矩阵）。
如果即使您确定使用了良好的功能，识别率仍然很低，请尝试 ITML。 ITML 在 PCA 之后使用，它也是与 2D 矩阵的乘法。 ITML 是 "normalize the affection of each feature and cancel out the affect of feature's very large or very small range of values" 的一种方式。
通常，如果您使用好的特征，运行 PCA、ITML 和 SVM - 即使在困难的计算机视觉任务中，您也应该得到好的结果