我正在阅读这篇特别的论文http://www.robots.ox.ac.uk/~vgg/publications/2011/Chatfield11/chatfield11.pdf,我发现Fisher矢量与GMM词汇的方法非常有趣,我想自己测试一下。PCA在筛分和费舍尔矢量
但是,对于我来说,他们如何将PCA维度降低应用于数据是完全不清楚的。我的意思是,他们是否计算特征空间,一旦计算出来,他们会对其执行PCA?或者他们只是在计算SIFT之后在每个图像上执行PCA,然后创建特征空间?
这是否应该为两个训练测试集完成?对我来说,这是一个'明显是'的答案,但不清楚。
我正在考虑从训练集创建特征空间,然后在其上运行PCA。然后,我可以使用训练集中的PCA系数来减少将要编码到Fisher Vector中的每个图像的筛选描述符,以供以后分类,无论它是测试还是火车图像。
编辑1;
简单的例子:
[coef , reduced_feat_space]= pca(Feat_Space','NumComponents', 80);
,然后(用于测试和训练图像)
reduced_test_img = test_img * coef;
(然后选择第80个尺寸reduced_test_img的)
你觉得呢?干杯