我在閱讀關於圖像搜索的內容,並且我已經到了對特徵向量有基本理解的地方,並且對旋轉不變和尺度不變特徵有一個非常基本的(完全不完整的)理解。如何查看多采樣圖像的尺度不變性以及旋轉不變性的角點。Feature Vector Partioning
要搜索十億張圖像,儘管您無法進行線性搜索。我讀的大部分內容似乎都意味着K-d樹被用作分區數據結構來改善查找時間。
K-d樹分裂的是什麼度量?如果使用SIFT,SURF或ORB等描述符,則不能保證類似的關鍵點在特徵向量中排列,所以我很困惑如何確定'左'或'右',因爲使用這樣的功能時,需要分割基於相似性。我的猜測是距離'標準'的歐式距離,然後你做一個可靠的最近鄰居搜索,但是想知道如何在最近鄰居搜索之前處理KD樹中的初始查詢。我認爲KD樹需要在每個維度上比較相似的特徵,但我不知道在許多關鍵點上會發生什麼。
我可以找到很多有關最近鄰居搜索的論文,但大多數人似乎都假設你知道這是如何處理的,所以我在這裏錯過了一些東西。
我從來沒有在CBIR中工作太多,所以我沒有太多補充,但是匹配縮放和旋轉不變特徵的一種方法是採用一個獨特的特徵並計算其他特徵與之相關的角度它。 –