您知道David Nister和Henrik Stewenius提出的"基于词汇树的可扩展识别"的图像匹配方法的任何实现或改进吗?我正试图实现它，我有困难理解算法的某些部分(更具体地说，计算分数)。
这是一个很好的词汇树实现- libvot。它使用c++ 11标准多线程库来加速构建过程，所以它运行得非常快。
它使用三个步骤来构建一个词汇树。第一步是使用sift描述符构建kmeans树。第二步是使用第一步中构建的词汇树构建图像数据库。第三步是根据图像数据库查询图像。一些先进的技术，如倒排表和L1距离测量也反映在这个存储库中。
关于词汇树，我找到了这篇用c++/python实现它们的论文(http://www.tango-controls.org/Members/srubio/MasterThesis-VocabularyTree-SergiRubio-2009.pdf)。然而，我在任何地方都找不到代码，所以我联系了作者以获得代码，但直到这个日期都没有成功。
此外，我找到了另一个实现(http://www.inf.ethz.ch/personal/fraundof/page2.html)，但是我无法使它工作。
你已经实现了吗?我也想对图像识别做同样的事情，但这似乎是一个非常痛苦的任务。问好。
Sergio Rubio在http://sourceforge.net/projects/vocabularytree/上发布了一个使用词汇树进行图像分类的实现。为了让它在我的Windows系统上运行，我不得不重新编写了他发布的大部分C代码，但总的来说，它是一个非常好的资源，可以实现原论文中提出的想法。
最近我在c++中发现了一个非自由的非常棒的词汇树实现，叫做DBow。
代码组织得很好，有很多注释。
点击这里结帐:http://webdiis.unizar.es/~dorian/index.php?p=31
和这里:http://webdiis.unizar.es/~dorian/index.php?p=32
您希望查找空间填充曲线或空间索引。sfc将二维复杂性降低到一维复杂性，尽管它只是表面的重新排序。sfc递归地将表面细分为更小的块，并不断提取附近块的信息。它可以与四叉树相比较。这对于比较图像很有用，因为您比较的是邻近的tile。困难的是使瓷砖具有可比性。我相信DCT在这里很有用。你想找Nick的hilbert曲线四叉树空间索引博客
我相信一般认为Grauman和Darrell提出的金字塔匹配核方法更好。您可以在这里获得c++库实现。