opencv flann 模块 : knn-search for hierarchical kmeans tree giving weird result

Question

我有大约 130,000 个 SIFT 描述符。我正在使用 Opencv 的 flann 模块构建分层 Kmeans 索引。在此之后，我想量化这 130,000 个描述符(稍后将量化更多)。我正在使用 flann 的 knnsearch 方法来执行此操作。但是这种方法的结果有些奇怪。对于每个描述符，它显示的最近索引是描述符本身的索引。但是，它应该显示最近的集群的集群 ID，这将是 HIK 树的叶子之一。

我应该尝试 k=2

这是一个代码片段 -

 int k=1;
 cv::flann::KMeansIndexParams indexParams(8,4,cvflann::FLANN_CENTERS_KMEANSPP) ;
 cv::flann::Index hik_tree(cluster_data, indexParams);
 Mat indices,dist;
 hik_tree.knnSearch(cluster_data, indices, dist, k, cv::flann::SearchParams(64));

Answer 1

knnSearch正在寻找索引中的 k 最近邻(它没有给出集群 ID!)。您使用 cluster_data 构建索引, 然后你尝试匹配 cluster_data反对自己。在这种情况下，每个描述符的最近邻居是它自己也就不足为奇了……

编辑:如果您想获得这些中心，请查看以下内容(来自 FLANN 库的来源):

/**
 * Chooses the initial centers using the algorithm proposed in the KMeans++ paper:
 * Arthur, David; Vassilvitskii, Sergei - k-means++: The Advantages of Careful Seeding
 */
template <typename Distance>
class KMeansppCenterChooser : public CenterChooser<Distance>
{
...