我正在用单词直方图实现对象识别。直方图由每个图像200个"单词"组成，这些单词来自描述符。问题是，对于一个大的数据集，比如5000张图像，我们突然在直方图中有200x5000=1000000个单词。这意味着每个对象都将由1000000长度的直方图表示。
过了某个时候，它变得太大太麻烦了。有办法绕过这个吗？
通常，您选择的码本大小与训练图像的数量无关。您可以通过在从所有训练数据中提取的一组描述符上运行k-means（或其他字典学习方法）来构建代码簿。
因此，在您的示例中，如果您有5000个训练图像，并且从每个图像中提取了大约1000个描述符，那么您将获得5000000个描述符，您可以使用k-均值对其进行聚类。
这可能非常耗时，所以您可以选择使用描述符的随机子集进行集群。