cv :: Mat內存即使在調用release（）後也不會釋放？

我寫了一個方法，其中圖像描述符（如OpenCV SIFT或VLFeat Dense SI FT）計算一組圖像的描述符（保存在std::vector<std::string> files中）。通過ComputeDescriptors(image, descriptorMatrix)調用描述符，其中它填充descriptorMatrix，其描述符計算自。cv :: Mat內存即使在調用release（）後也不會釋放？

然後我隨機選擇samples（通常爲50）描述符，並在返回的std::vector<cv::Mat1f> descriptors中推送sampledDescriptors矩陣。

這是代碼：

void SIFTDescriptor::ComputeDescriptorsRange(const std::vector<std::string> &files, std::vector<cv::Mat1f> &descriptors){ 
    cv::Mat1f imgDescriptors; 
    cv::Mat img; 
    for(int i=0 ; i<files.size() ; i++){ 
     std::cout<<"Describing "<<files[i]<<std::endl; 
     img = cv::imread(files[i], cv::IMREAD_GRAYSCALE); 
     if(!img.data) 
      //throw error 
     //resoze dim is a class member 
     if(resizeDim>0) 
      ImgUtility::resize(img,resizeDim); 
     ComputeDescriptors(img,imgDescriptors); 
     if(samples > 0 && samples < imgDescriptors.rows){ 
      std::cout<<"Sampling "<<imgDescriptors.rows<<" descriptors..."<<std::endl; 
      cv::Mat1f sampledDescripotrs; 
      std::vector<int> v(imgDescriptors.rows); 
      std::iota (std::begin(v), std::end(v), 0); //fill v with 0 ... imgDescriptors.rows 
      std::random_device rd; 
      std::mt19937 g(rd()); 
      std::shuffle(v.begin(), v.end(), g); 
      for(int j=0 ; j<samples; j++){ 
       sampledDescripotrs.push_back(imgDescriptors.row(v[j])); 
      } 
      descriptors.push_back(sampledDescripotrs); 
      sampledDescripotrs.release(); 
     } 
     else 
      descriptors.push_back(imgDescriptors); //copy of a smart pointer, not expensive 
     imgDescriptors.release(); 
     std::cout<<"descriptors["<<i<<"]="<<descriptors[i].rows<<std::endl; 
     std::cout<<descriptors[i]<<std::endl; 
    }

這樣做是爲了可有效存儲器，尤其是對密集的描述符，如VLFeat Dense SIFT成千上萬描述符被提取。有了成千上萬的圖像，我們很快就會耗盡內存。相反，使用這種解決方案，我們每個圖像只保留50個描述符（這對我的訓練來說足夠了）。

但是，出於某種奇怪的原因，使用OpenCV SIFT沒有大的內存使用情況，但使用VLFeat Dense SIFT，內存增長得相當快，即使在兩種情況下samples都是相等的！

我的唯一解釋是，在每個迴路中使用由imgDescriptors存儲器不釋放，即使使用imgDescriptors（這應該是沒有必要的反正因爲cv::Mat1f應該是有點智能指針等在循環結束時解除分配本身），但我不明白這可能如何。

這是VLFeat密集過篩ComputeDescriptor代碼：

void DSIFTVLFeat::ComputeDescriptors(cv::Mat &img, cv::Mat1f &descriptors){ 
    descriptors.release(); 

    // transform image in cv::Mat to float vector 
    cv::Mat imgFloat; 
    img.convertTo(imgFloat, CV_32F, 1.0/255.0); 
    if(!imgFloat.isContinuous()) 
     throw std::runtime_error("imgFloat is not continous"); 

    for(int i=binSize; i<=maxBinSize; i+=2){ 
     VlDsiftFilter *dsift = vl_dsift_new_basic (img.rows, img.cols, step, i); 
     vl_dsift_process (dsift, imgFloat.ptr<float>()); 
     cv::Mat scaleDescs(vl_dsift_get_keypoint_num(dsift), 128, CV_32F, (void*) vl_dsift_get_descriptors(dsift)); 
     descriptors.push_back(scaleDescs); 
     scaleDescs.release(); 
     free(dsift); 
    } 
}

來源

2017-01-22 justHelloWorld