Bag-of-words詞袋模型最初被用在信息檢索領(lǐng)域。例如檢索一篇文檔，只需考慮文檔中出現(xiàn)單詞的頻率，而不用考慮語(yǔ)法語(yǔ)序等。在圖像領(lǐng)域，如果把一幅圖像當(dāng)作文檔，圖像中的圖像塊的特征向量視為文檔內(nèi)的詞，BoW在圖像領(lǐng)域也可以取得很好的效果。這個(gè)過(guò)程可以分為幾步：提取特征，訓(xùn)練虛擬詞表，量化特征，用虛擬詞頻表示圖片。

1、特征提取

• 檢測(cè)圖像塊
• 歸一化圖像塊
• 用SIFT描述器表示

2、訓(xùn)練虛擬詞表

通過(guò)聚類(lèi)（k-means）的方法，把所有SIFT表示的特征歸為幾類(lèi)，這些歸類(lèi)的特征可視為虛擬詞表（visual vocabulary）。

每一個(gè)歸類(lèi)的特征（cluster center）被稱(chēng)為虛擬詞（visual word），然后量化特征。

3、用詞頻表表示圖片

統(tǒng)計(jì)圖像中每個(gè)詞在圖像中出現(xiàn)的頻率，用頻率直方圖表示。

4、BoW在圖像檢索中的應(yīng)用

4.1 構(gòu)建數(shù)據(jù)庫(kù)

• 提取數(shù)據(jù)庫(kù)圖像的特征向量
• 訓(xùn)練所有圖像的詞表
• 計(jì)算每一個(gè)詞的權(quán)重
• 創(chuàng)建詞-圖的映射

4.2 TF-IDF（term frequency-inverse document frequency）權(quán)重

單詞 j 的IDF（逆文本頻率）計(jì)算公式：

單詞 j 的TF（詞頻）計(jì)算公式：

單詞 j 的TF-IDF計(jì)算公式：

TF-IDF的值越大說(shuō)明這個(gè)詞也重要，也就是關(guān)鍵詞。

4.3 創(chuàng)建詞-圖映射

把詞映射到文檔

5、圖像的空間金字塔（Spatial pyramid）

計(jì)算每一塊的直方圖

計(jì)算金字塔圖的每一個(gè)小區(qū)域的直方圖

把金字塔和直方圖結(jié)合在一起進(jìn)行比較，判斷匹配項(xiàng)

?

?

?

?

?

?

?

總結(jié)

以上是生活随笔為你收集整理的BoW(词袋Bag of words)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。