当使用特征描述符[如SIFT,SURF] - 是近似最近邻的最快方法来进行图像匹配吗?近似最近邻是计算机视觉中最快的特征匹配吗?
2
A
回答
3
我想说基于欧几里德距离的最近邻居是最容易实现的,但不一定是最快的。
我同意近似最近的邻居或'最好的箱子第一'将是最快识别你的背景中最接近类似于探测图像的图像。
如果您试图识别图像中的单个对象,事情会变得更加困难。
4
您应该查看pyramid match kernel,这是迄今为止与当地功能进行图像匹配最成功的算法之一。它具有线性时间复杂度,而不是将图像A中的每个特征与图像B中的每个特征比较,即O(n^2)。还有一个免费的implementation。
1
相关问题
- 1. 什么是最近邻的快速近似?
- 2. 最近邻算法
- 3. python近似最近邻居库(WINDOWS)
- 4. 快速计算邻近矩阵中的平均邻近度
- 5. 匹配利益(最近邻)搜索
- 6. 最近邻居算法
- 7. KD树 - 最近邻算法
- 8. k-最近邻算法
- 9. 使用“匹配”包的最近邻居匹配
- 10. 拉宾最近邻(最近点对)算法?
- 11. K-最近邻居
- 12. MatchIt包:结合“最近邻”匹配和“精确”匹配
- 13. 最接近的匹配
- 14. 由最接近的匹配
- 15. 快速最近邻居搜索
- 16. 距离最近邻居的平均距离的近似值?
- 17. k最近邻居算法k的值
- 18. 使用K最近邻居创建特征
- 19. 高维空间的近似最近邻居(A1NN)
- 20. 如何通过R最近邻居求解最近邻居?
- 21. $ geoNear匹配最近阵列
- 22. 类似图像的任何好的最近邻居算法?
- 23. 计算最近10行中有多少匹配
- 24. 计算机视觉:模板匹配
- 25. 划分并征服最近对算法
- 26. 二维树最近邻算法澄清
- 27. JavaScript的最近邻居库
- 28. 存储最近的邻居
- 29. 最近邻搜索:Python的
- 30. 接近最近邻居搜索