c - 在 OpenCV 中训练 SIFT 特征

Question

我创建了一个小型 SIFT 应用程序，它可以抓取关键点并将其保存到文本文件中。我正在使用它从 Logo (比如 AT&T)中获取信息，并使用它来与具有该 Logo 的其他图像进行比较。问题是我的许多图像都有 Logo 的变体，由于缩放、旋转或照明，它不会拾取它。我想知道是否有可能获得一组图像，捕获它的关键点，并通过某种训练算法运行它以增强检测。

我在网上搜索了训练 SIFT 关键点的方法，但它们都在某种涉及所有这些数学算法的博士论文中，老实说，这让我失望，因为我没有学过任何数学上课一会儿。

如果有人有任何建议或链接能够理解培训的工作原理或实现培训需要做什么，请告诉我。或者，如果有人在没有 SIFT 的情况下有更简单的方法来执行此操作，那么我将非常感谢其他形式的检测。以下是我尝试过的列表:

• 冲浪
  • 由于返回无效结果而失败
• Adaboosting 的 Haar 特性
  • 失败，因为我在 2011 年 7 月 11 日开始使用 100 个负图像训练 100 个正模型，截至 2011 年 7 月 19 日它仍在运行
• 使用和不使用阈值对同一 Logo 进行各种转换的模板匹配
  • 失败，因为我必须根据无法在图像中检测到任何内容的次数以指数方式创建 Logo

提前致谢

Answer 1

一个简单的起点是收集几个 AT&T Logo 的 SIFT/SURF 描述符，并使用 FLANN在他们。然后，获取测试图像，计算描述符并进行范围搜索并确定最近邻距离等，并尝试找出“接近度”的度量。