BOVW «описывает» изображения с помощью визуальных слов. ⇐ Python

[Anonymous]

Я пытаюсь использовать модель BOVW для классификации изображений (https://en.wikipedia.org/wiki/Bag-of-wo ... ter_vision)
Вот что у меня получилось сделано на данный момент:

• получил массив помеченных массивов numpy, загрузив изображения из моего набора данных.
• перевернул изображения в списки своих функций с помощью SIFT.
• создал словарь визуальных слов, поместив все функции в одномерный массив и передав их в кластеризацию kmeans.
  
  Вот как я создаю словарь

  Код: Выделить всё

  def get_vocab(imgs):
  #get features from all images
  descriptors = [f for img in imgs for f in extractFeatures(img)]
  
  km = KMeans(n_clusters).fit(descriptors)
  return km.cluster_centers_
  

  если я правильно понял модель, следующим шагом будет вычисление гистограммы частот, которая представляет собой массив, хранящий количество каждого визуального слова, встречающегося в изображении.
  Мой вопрос:
• как мне «подсчитать» визуальные слова, встречающиеся внутри изображения?
  нужно ли мне это сделать? возьмите объект (числовой массив) и найдите ближайшее к нему визуальное слово, а затем прибавьте его к этому числу?
• как мне найти «ближайшее» визуальное слово к любому заданному объекту?
• могу ли я «повторно использовать» данные из алгоритма кластеризации (т. е. найти, в какой кластер входит объект) был введен)?

Подробнее здесь: https://stackoverflow.com/questions/786 ... sual-words