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);
}
}