资源描述：
《基于内容的大规模商品图像检索系统.ppt》由会员上传分享，免费在线阅读，更多相关内容在PPT专区-天天文库。
1、基于内容的大规模商品图像检索系统SIFT1:高斯卷积核是实现尺度变换的唯一线性核，于是一副二维图像的尺度空间定义为：其中是尺度可变高斯函数,（x，y）是空间坐标，是尺度坐标。2:图像金字塔的构建图像金字塔共O组，每组有S层，下一组的图像由上一组图像降采样得到3:高斯差分在尺度空间建立完毕后，为了能够找到稳定的关键点，采用高斯差分的方法来检测那些在局部位置的极值点，即采用俩个相邻的尺度中的图像相减，即公式定义为：D(x,y,e)=((G(x,y,ke)-G(x,y,e))*I(x,y) =L(x,y,ke)-L(x,y,e)工作总结检测
2、关键点为了寻找尺度空间的极值点，每一个采样点要和它所有的相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小。中间的检测点和它同尺度的8个相邻点和上下相邻尺度对应的9×2个点共26个点比较，以确保在尺度空间和二维图像空间都检测到极值点。关键点方向的分配为了使描述符具有旋转不变性，需要利用图像的局部特征为给每一个关键点分配一个方向。利用关键点邻域像素的梯度及方向分布的特性，可以得到梯度模值和方向如下：特征点描述符1：首先将坐标轴旋转为关键点的方向，以确保旋转不变性2：接下来以关键点为中心取8×8的窗口中央黑点为当前关键点的位置，每个小格代表关键点邻域所在尺度空间的一
3、个像素，箭头方向代表该像素的梯度方向，箭头长度代表梯度模值，图中蓝色的圈代表高斯加权的范围（越靠近关键点的像素梯度方向信息贡献越大）特征点匹配采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量SmoothObjectRetrievalusingaBagofBoundaries1:sculpturerepresentation1.1分割目的：将sculpture从背景中提取出来(1):over-segmentationoftheimageintoregions(super-pixels)方法：codefromwhichgeneratesahierarch
4、yofregionsbasedontheoutputofthegPbcontourdetector？？？(2):ClassificationEachsuper-pixelisthenmanuallylabelledintooneofthreeclasses:containedwithinasculpture(positiveexample),notcontaininganysculpturepixels(negativeexample),orcontainingbothsculptureandnon-sculpturepixels(ignoredcompletely)
5、.(3):Post-processingThepositivesuper-pixelsaregroupedusingconnectedcomponents,andsmallconnectedcomponents(lessthan50×50pixels)oftheforegroundareremoved.BoundarydescriptorThefirstpartofthisdescriptoruses4*4HoGcells(8*8piexls)Thesecondpartofthisdescriptorisa4*4occupancygridDescriptorprope
6、rtiesandmatchingdescriptorsarematchedbetweenimagesusingEuclideandistenceRetrievalprocedureUseabag-of-boundaries(BoB)representation.EfficientvisualsearchofvideoscastastextretrievalParsedocumentsintowordsStemming:“walk"={“walk,”“walking,”“walks”,…}Stoplisttorejectverycommonwords,suchas“th
7、e”and“an”.EachdocumentisrepresentedbyavectorwithcomponentsgivenbythefrequencyofoccurrenceofthewordsthedocumentcontainsStorevectorinaninvertedfile.ReviewoftextretrievalViewpointinvariantdescription1:Calculateviewpointinvariantregionstwotypesofaffinecovariantregionsarecomputedfor
