BoW(词袋模型)+python代码实现
BoW(词袋模型)+python代码实现
1.SIFT
2.BOW
3.VLAD（未包含，请直接在下面的资源链接中获取）
实验过程
1.下载数据库:
ukbench数据库链接http://vis.uky.edu/~stewe/ukbench/
数据库含有2550x4张图片，每4张为一组，总共2550组,每张图片的尺寸为640x480。
下载之后，把图片放在 X:\bow\dataset\train 文件夹下面。（X是自己的盘符，下面语句 X 是同样的含义）
2.提取特征：
window平台：
在CMD命令窗口输入一下命令，进=进入数据库和.py文件所在目录，运行蓝色命令行。
X：
cd bow
dir
python findFeatures.py -t dataset/train/
结果会保存为bof.pkl文件。
说明：
这一步提取特征很慢，而且需要很强悍的电脑才行。。。。你可以只用数据库中的前500张图片（其他的删掉）来测试玩玩就行了，跑整个数据库的话，普通电脑肯定是跑不动的。。。。如果电脑太渣，直接使用我下面上传的bof.pkl，里面提取的是数据库前50张图片特征，你可以直接进行第三步测试查询，仍然需要用CMD进入到bow文件夹下，再使用下面的查询代码语句。
3. 查询：
在CMD命令窗口输入
python search.py -i dataset/train/ukbenchxxxxx.jpg
ukbenchxxxxx.jpg是文件名，自己更改为想要查询的图片名就可以了，比如
python search.py -i dataset/train/ukbench00001.jpg
下面是效果图：
注：最后倒数第2个链接为原作者文章和代码链接，也可以从下面我提供的代码链接来下载使用。
文档资源获取链接：
BOW文档资源
1.http://download.csdn.net/detail/lilai619/8865417（PPT）
2.http://wenku.baidu.com/view/6950c49d866fb84ae45c8daa（PPT）
BOW代码资源
1.http://download.csdn.net/detail/lilai619/8918851(Python代码)
VLAD文档资源
1.http://download.csdn.net/detail/lilai619/8918427(VLAD论文)
2.http://download.csdn.net/detail/lilai619/8918445（VLAD原作者的PPT）
参考文献：
1.http://blog.csdn.net/abcjennifer/article/details/7639681（SIFT博客）
2.http://blog.csdn.net/zddblog/article/details/7521424（SIFT博客）
3.http://blog.csdn.net/willard_yuan/article/details/46519105（bow+python博客）
4.http://blog.csdn.net/breeze5428/article/details/36441179（VLAD博客）
部分文档预览：
