SIFT功能匹配性能，同時匹配多個圖像

Question

我有一個圖像庫，具有〜5000圖像約150功能。現在我有另一個具有〜300特徵的圖像，我想在我的圖書館中找到5個最相似的圖像。

蠻力需要大約300 * 5000 * 150 * 128的操作，花費太多時間。所以我在庫中的每個圖像中爲特徵建立了kd樹，這意味着〜5000 kd樹。我使用bbf search作爲近似最近的鄰居，像其他篩選庫一樣。但是性能比我的強力算法慢得多。爲了確保它不是我的實現的錯誤，我將其他庫的匹配算法修改爲暴力破解，並且它們的性能也提高了。

我的問題是有沒有可能將〜5000 kd樹合併成一棵樹？還是有其他方法可以在匹配多個圖像的同時提高性能？

Answer 1

你可能會考慮使用Locality Sensitive Hashing，如果不是100％準確的話，它應該快得多。