GMM與fisher vector理解

查閱fisher vector資料時看到的幾篇介紹fisher vector很不錯的博文，要了解fisher vector你需要先了解GMM高斯混合模型，這兩篇文章對GMM高斯混合模型講解得很不錯GMM，高斯混合模型。fisher vector講解的博文比較多，查閱的時候，我覺得下面幾篇博文對fv講得還比較深入：Fisher Vector、Fisher Vecotr(1)、Fisher Vector(2)和Fisher Vector 通俗學習。

此外，查閱FV資料的時候還發現原來微信圖像技術組也用到的FV：

在圖像檢索領域，比較常用的技術是提取局部特征（如SIFT，SURF等），量化，建倒排表的架構，微信掃一掃中的封面識別就是采用這種技術。然而在圖像云平臺服務中，基于局部特征的的圖像檢索技術存在種種弊端。首先，在圖像云平臺服務中，每個開發者的圖片數據都是相互獨立的，若對所有開發者只建一個倒排表，每次開發者修改數據庫時都會影響到所有開發者。若為每個開發者建立獨享的倒排表，則會對資源造成巨大的浪費。其次，采用倒排結構時，開發者修改圖像數據時（如增、刪圖片），都需要對整個倒排表進行重建。

在圖像識別云平臺中，微信圖像技術組采用了基于全局特征的圖像檢索方法，通過SIFT+Fisher Vector得到一幅圖像的全局描述子，然后通過量化，將全局描述子量化為低比特的碼流，每幅圖像對應一個圖像識別指紋，在微信圖像云平臺服務中，已無需構建倒排表，開發者增、刪圖像時，后臺只需在數據庫對應的增加、刪除指紋即可。對開發者的增刪操作可以做出實時的響應。識別過程時，只需比對開發者數據庫中的指紋即可。

在識別效果上，通過對多個數據集測試，檢索效果上均與基于倒排表結構的圖像檢索技術相當，甚至某些數據集上優于基于倒排表結構的技術。

原文鏈接：微信圖像開放平臺：讓你的應用看懂世界。

FV的Python實現代碼pyfishervector與其對應的博文Image Fisher Vector In Python，C++版本的可以參閱這里bLDFV。

SIFT、HOG

此外，還發覺了幾篇對SIFT、HOG講解得比較好的博文：SIFT算法，這篇文章講SIFT講得不是一般的好；HOG特征(1)、HOG特征(3)和HOG特征(3)，博文3對HOG的生成過程配合著圖解說明講得很贊。

最后，翻看的幾篇很簡短的總結，都是關于檢索的，留著供以后查閱：Spectral Hashing、Product quantization for nearest neighbor search、Efficient visual search of videos cast as text retrieval、熱點技術探索：大規模相似檢索。

端午節下午所看的，以上。

from:?http://yongyuan.name/blog/sometihing-about-GMM-fisher-vector-SIFT-and-HOG.html

總結

以上是生活随笔為你收集整理的GMM、fisher vector、SIFT与HOG特征资料的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。