用于图像分类与检索的特征袋范式导论
计算机视觉与模式识别
2011-01-19 v1 信息检索
摘要
过去十年中，特征袋（BoF）方法在众多计算机视觉任务中日益流行，包括图像分类、视频搜索、机器人定位和纹理识别。其吸引力部分在于其简洁性。BoF 方法基于无序的量化局部图像描述符集合；它们丢弃了空间信息，因此在概念上和计算上比许多替代方法更简单。尽管如此，或者正因如此，基于 BoF 的系统在流行的图像分类基准上树立了新的性能标准，并在图像检索中实现了可扩展性的突破。本文介绍了 BoF 图像表示，描述了关键的设计选择，并综述了 BoF 文献。重点放在减轻量化误差、改进特征检测和加速图像检索的最新技术上。同时，提出了未解决的问题和根本性挑战。未解决的问题包括确定采样图像、描述局部图像特征和评估系统性能的最佳技术。更根本的挑战包括 BoF 方法如何以及是否能够有助于在复杂图像中定位对象，或者将高级语义与自然图像关联起来。本综述对于向新研究者介绍该领域以及为现有研究人员提供相关工作的综合参考都很有用。
引用
@article{arxiv.1101.3354,
title = {Introduction to the Bag of Features Paradigm for Image Classification and Retrieval},
author = {Stephen O'Hara and Bruce A. Draper},
journal= {arXiv preprint arXiv:1101.3354},
year = {2011}
}