我有一个关于物体识别的问题，尤其是识别汽车模型！我正开始着手在不同图像中识别相同汽车模型的工作。目前，我认为3D对象识别的最佳算法之一是SIFT，但是在进行了演示实现后，我感到奇怪的是，该算法在有光泽的金属物体（例如汽车）上存在一些问题，尤其是当它们具有不同的颜色时。

有人知道在这一领域的一些工作，总的来说是一些合适的算法，可以在不同的图像中找到相同的汽车模型吗？

预先感谢您的帮助！

评论

您可以发布一些示例图片吗？
当然。用于创建汽车模型模型的图像可能像：s5 coupe training 1或s5 coupe training 2，但也有“正常”图片。查询图像可能像s5 coupe查询1希望有所帮助！
还有哪些替代的特征检测器，例如SIFT，GLOH或SURF，可以识别汽车上合适的关键点？
@jstr如果您最终实现了下面描述的方案，它的效果如何？

#1 楼

我将看看所谓的“单词袋”或“视觉单词”方法。它越来越多地用于图像分类和识别。该算法通常从检测图像中的鲁棒点（例如SIFT点）开始。使用这些发现点周围的区域（在您的情况下为128位SIFT描述符）。

以最简单的形式，可以从所有图像的所有描述符中收集所有数据并将它们聚类，例如使用k均值。然后，每个原始图像都具有有助于多个聚类的描述符。这些簇的质心，即视觉单词，可以用作图像的新描述符。基本上，您希望其描述符对图像进行聚类，以指示图像类别。

同样，在最简单的情况下，您有一个群集列表，并且对于每个图像，您要计算这些群集中的哪些包含该图像中的描述符以及多少。这类似于文本检索中使用的术语频率/文档反向频率（TD / IFD）方法。请参阅此快速而又肮脏的Matlab脚本。

这种方法正在积极研究中，并且有许多高级算法。方法，对caltech 101数据集进行分类。同样值得注意的是，来自加州理工学院的结果和软件。

评论

$ \ begingroup $
嘿莫里斯，谢谢您的回答。我会考虑的！但是有一个问题。如果我有“视觉单词”，如何测量它们之间的距离？我想我会使用SIFT描述符是正确的吗？ -Lowe在一篇论文中描述了一种通过建立SIFT描述符模型来识别3D对象的方法。有人知道关于该主题的其他一些好论文（具有其他功能的3D对象识别）吗？
$ \ endgroup $
– jstr
2012年3月22日8:06


$ \ begingroup $
在这种情况下，正像欧几里德距离一样，因为您正在对整数向量进行聚类。我认为您不必自己测量簇质心之间的距离，而是在显示查询图像（并由此获得查询描述符）时，可以测量这些描述符最接近哪个质心。
$ \ endgroup $
– Maurits
2012年3月22日9:16


$ \ begingroup $
可以使用距离测度是很清楚的；-)但是在哪些数据上呢？关于每个视觉单词的SIFT描述符？
$ \ endgroup $
– jstr
2012年3月22日在9:39
$ \ begingroup $
实际上，作为初始聚类的度量标准，有三遍是为了确定查询描述符最接近哪个质心/视觉词，然后最后将查询td / idf向量与数据库中的向量进行比较。
$ \ endgroup $
– Maurits
2012年3月22日18:56
$ \ begingroup $
好吧，我知道了;-)，但是距离测量在哪些数据上起作用？在SIFT描述符上？
$ \ endgroup $
– jstr
2012年3月23日在11:26