无需重编码与重池化的视觉词选择

词袋（BoW）表示法在计算机视觉中被广泛使用。词典的大小影响了使用 BoW 的应用程序的时间和空间复杂度。因此，针对特定的计算机视觉任务给定训练集时，一个关键问题是如何剪枝大型词典以仅选择视觉词的子集。评估待包含在剪枝后词典中的词的选择可能在计算上是禁止的；在暴力方案中，评估每个剪枝后的词典需要将从训练图像中提取的所有特征重编码为候选词典中的词，然后重池化这些词以获得每幅图像的表示，例如视觉词频率直方图。本文提出了一种方法，可从初始的大型词典中选择并评估词的子集，而无需重编码或重池化。针对两种常用方案提出了公式：带有平均池化的视觉词硬编码和软（核）编码。这些公式的有效性在 15 Scenes 和 Caltech 10 基准数据集上进行了评估。