我正在閱讀這篇特別的論文http://www.robots.ox.ac.uk/~vgg/publications/2011/Chatfield11/chatfield11.pdf,我發現Fisher矢量與GMM詞彙的方法非常有趣,我想自己測試一下。PCA在篩分和費舍爾矢量
但是,對於我來說,他們如何將PCA維度降低應用於數據是完全不清楚的。我的意思是,他們是否計算特徵空間,一旦計算出來,他們會對其執行PCA?或者他們只是在計算SIFT之後在每個圖像上執行PCA,然後創建特徵空間?
這是否應該爲兩個訓練測試集完成?對我來說,這是一個'明顯是'的答案,但不清楚。
我正在考慮從訓練集創建特徵空間,然後在其上運行PCA。然後,我可以使用訓練集中的PCA係數來減少將要編碼到Fisher Vector中的每個圖像的篩選描述符,以供以後分類,無論它是測試還是火車圖像。
編輯1;
簡單的例子:
[coef , reduced_feat_space]= pca(Feat_Space','NumComponents', 80);
,然後(用於測試和訓練圖像)
reduced_test_img = test_img * coef;
(然後選擇第80個尺寸reduced_test_img的)
你覺得呢?乾杯