Я пробовал vlfeat, получил огромное количество функций из базы данных изображений, и я проверяю с основополагающей правдой для средней средней точности (MAp). В целом я получил примерно 40%. Я вижу, что некоторые из работ получили более высокий MAp, используя методы, очень похожие на мои; стандартная сумка слова.

В настоящее время я ищу ответ для получения более высокой MAp для стандартной техники слова. Хотя я вижу, что есть другие реализации, такие как SURF, а что нет, давайте придерживаться стандартного SIFT Лоу и стандартного пакета слов в этом вопросе.

Итак, дело в том, что я вижу, что vl_sift получил пороговое значение, чтобы вы могли быть более строгими в выборе функций. В настоящее время я понимаю, что переход к более высокому пороговому значению может привести к уменьшению и более значительному списку «хороших» функций и, возможно, уменьшить некоторые шумные функции.«Хорошие» функции означают, что при одинаковых изображениях с различными вариациями очень похожие функции обнаруживаются и на других изображениях..

Однако как высоко мы должны пойти на этот порог? Иногда я вижу, что изображение не возвращает никаких функций с более высоким порогом. Сначала я думал о том, чтобы продолжать корректировать порог, пока я не получу лучший MAp. Но опять же, я думаю, что это плохая идея, чтобы продолжать корректировать, чтобы найти лучший MAp для соответствующей базы данных. Итак, мои вопросы:

В то время как настройка порога может уменьшить количество функций, всегда ли увеличение порога возвращает меньшее число, но все же лучшие функции?

Есть ли лучшие подходы для получения хороших функций?

Каковы другие факторы, которые могут увеличить скорость получения хороших функций?