我创建了一个小的SIFT应用程序，它获取关键点并将其保存到一个文本文件中。我用这个来抓取信息从一个标志(说at&t;T)，并使用它来比较与该标志的其他图像。问题是我的许多图像都有标识的变化，由于缩放，旋转或照明，它不能拾取它。我想知道是否有可能获得一组图像，抓住它的关键点，并通过某种训练算法运行它以增强检测。
我在网上搜索了训练SIFT关键点的方法，但它们都在某种博士论文中，这些论文都是关于数学算法的，老实说，这让我很困惑，因为我已经有一段时间没有上数学课了。
如果有人有任何建议或链接，以便能够了解培训是如何工作的，或者需要做什么来实现一个请让我知道。或者，如果有人有更简单的方法来做到这一点，而不需要SIFT，那么我将非常感谢其他形式的检测。以下是我尝试过的方法:
- 冲浪
- 返回无效结果失败
- 具有自增强特性
- 失败，因为我在2011年7月11日开始训练100个正面模型和100个负面图像，它仍然运行到2011年7月19日
- 模板匹配相同标志的各种变换，有阈值和没有阈值
- 失败了，因为我必须根据无法在图像 中检测到的次数指数级地需要创建徽标
Thanks in advance
一个简单的起点是收集几个at&t徽标的SIFT/SURF描述符，并对它们使用FLANN。然后，取一张测试图像，计算描述符，进行范围搜索，确定最近邻距离等，并尝试找出"接近度"的度量。
您可以使用PCA来减少维数，然后您可以在从徽标提取的向量特征集上训练某种分类器，例如SVM。你也可以使用BoW(单词袋特性)。你也可以在谷歌上搜索"logo识别"，很多资料都可以找到。