cv :: Mat内存即使在调用release（）后也不会释放？

我写了一个方法，其中图像描述符（如OpenCV SIFT或VLFeat Dense SI FT）计算一组图像的描述符（保存在std::vector<std::string> files中）。通过ComputeDescriptors(image, descriptorMatrix)调用描述符，其中它填充descriptorMatrix，其描述符计算自。cv :: Mat内存即使在调用release（）后也不会释放？

然后我随机选择samples（通常为50）描述符，并在返回的std::vector<cv::Mat1f> descriptors中推送sampledDescriptors矩阵。

这是代码：

void SIFTDescriptor::ComputeDescriptorsRange(const std::vector<std::string> &files, std::vector<cv::Mat1f> &descriptors){ 
    cv::Mat1f imgDescriptors; 
    cv::Mat img; 
    for(int i=0 ; i<files.size() ; i++){ 
     std::cout<<"Describing "<<files[i]<<std::endl; 
     img = cv::imread(files[i], cv::IMREAD_GRAYSCALE); 
     if(!img.data) 
      //throw error 
     //resoze dim is a class member 
     if(resizeDim>0) 
      ImgUtility::resize(img,resizeDim); 
     ComputeDescriptors(img,imgDescriptors); 
     if(samples > 0 && samples < imgDescriptors.rows){ 
      std::cout<<"Sampling "<<imgDescriptors.rows<<" descriptors..."<<std::endl; 
      cv::Mat1f sampledDescripotrs; 
      std::vector<int> v(imgDescriptors.rows); 
      std::iota (std::begin(v), std::end(v), 0); //fill v with 0 ... imgDescriptors.rows 
      std::random_device rd; 
      std::mt19937 g(rd()); 
      std::shuffle(v.begin(), v.end(), g); 
      for(int j=0 ; j<samples; j++){ 
       sampledDescripotrs.push_back(imgDescriptors.row(v[j])); 
      } 
      descriptors.push_back(sampledDescripotrs); 
      sampledDescripotrs.release(); 
     } 
     else 
      descriptors.push_back(imgDescriptors); //copy of a smart pointer, not expensive 
     imgDescriptors.release(); 
     std::cout<<"descriptors["<<i<<"]="<<descriptors[i].rows<<std::endl; 
     std::cout<<descriptors[i]<<std::endl; 
    }

这样做是为了可有效存储器，尤其是对密集的描述符，如VLFeat Dense SIFT成千上万描述符被提取。有了成千上万的图像，我们很快就会耗尽内存。相反，使用这种解决方案，我们每个图像只保留50个描述符（这对我的训练来说足够了）。

但是，出于某种奇怪的原因，使用OpenCV SIFT没有大的内存使用情况，但使用VLFeat Dense SIFT，内存增长得相当快，即使在两种情况下samples都是相等的！

我的唯一解释是，在每个回路中使用由imgDescriptors存储器不释放，即使使用imgDescriptors（这应该是没有必要的反正因为cv::Mat1f应该是有点智能指针等在循环结束时解除分配本身），但我不明白这可能如何。

这是VLFeat密集过筛ComputeDescriptor代码：

void DSIFTVLFeat::ComputeDescriptors(cv::Mat &img, cv::Mat1f &descriptors){ 
    descriptors.release(); 

    // transform image in cv::Mat to float vector 
    cv::Mat imgFloat; 
    img.convertTo(imgFloat, CV_32F, 1.0/255.0); 
    if(!imgFloat.isContinuous()) 
     throw std::runtime_error("imgFloat is not continous"); 

    for(int i=binSize; i<=maxBinSize; i+=2){ 
     VlDsiftFilter *dsift = vl_dsift_new_basic (img.rows, img.cols, step, i); 
     vl_dsift_process (dsift, imgFloat.ptr<float>()); 
     cv::Mat scaleDescs(vl_dsift_get_keypoint_num(dsift), 128, CV_32F, (void*) vl_dsift_get_descriptors(dsift)); 
     descriptors.push_back(scaleDescs); 
     scaleDescs.release(); 
     free(dsift); 
    } 
}

来源

2017-01-22 justHelloWorld