开源词袋模型DBow3原理&源码

是对聚类生成的树的描述，树上的每一个点都是node，只有叶子结点才是word，每张图进来提取特征，利用descriptor算特征距离，最终落到叶子上（单词），所有特征的单词构成该图片的词向量。

检索入口描述：

 1 database:
 2    nEntries: 4
 3    usingDI: 0
 4    diLevels: 0
 5    invertedIndex:
 6       -  //（wordId:0）
 7          - { imageId:1, weight:1.6807896319101980e-03 }
 8          - { imageId:2, weight:3.2497152852064880e-03 }
 9          - { imageId:3, weight:3.6665308718065778e-03 }
10       -  //（wordId:1）
11          - { imageId:1, weight:4.0497295661974788e-03 }
12       -  //（wordId:2）
13          []
14       -
15          []
16       -
17          - { imageId:2, weight:3.9149658655580431e-03 }
18       -
19          - { imageId:3, weight:4.4171079458813099e-03 }
20       -
21          - { imageId:1, weight:2.0248647830987394e-03 }
22          - { imageId:3, weight:4.4171079458813099e-03 }

检索入口：

根据voc字典里的描述，word id 2对应node id 21, 而node id 21对应的权值为0，也就是说word 2太普通了，在用来生成视觉词汇表的4张图里都出现了（参考中文文章里的“的”、“在”、“和”等常见词），不具有代表性， 于是根本就没有对应入口id，这是合理的。

开源出来的代码不是对相同word的入口进行加1投票，而是直接计算单词对应的所有EntryId分数，最后排序取前n个。分数可以有L1 L2 KL等几种计算方式

queryL1，C++不熟看了半天，用到map函数，注释：

 1 void Database::queryL1(const BowVector &vec, QueryResults &ret, int max_results, int max_id) const
 3 {
 4   BowVector::const_iterator vit;
 5 
 6   std::map<EntryId, double> pairs;
 7   std::map<EntryId, double>::iterator pit;
 8 
 9   for(vit = vec.begin(); vit != vec.end(); ++vit)
10   {
11     const WordId word_id = vit->first;
12     const WordValue& qvalue = vit->second;
13 
14     const IFRow& row = m_ifile[word_id];
15 
16     // IFRows are sorted in ascending entry_id order
18     for(auto rit = row.begin(); rit != row.end(); ++rit)
19     {
20       const EntryId entry_id = rit->entry_id;
21       const WordValue& dvalue = rit->word_weight;
22 
23       if((int)entry_id < max_id || max_id == -1)
24       {
25         double value = fabs(qvalue - dvalue) - fabs(qvalue) - fabs(dvalue);
26 
27         pit = pairs.lower_bound(entry_id);
28         if(pit != pairs.end() && !(pairs.key_comp()(entry_id, pit->first)))
29         {  
30           pit->second += value;  //如果已经有entry_id,累加和
31         }
32         else
33         {                        //如果没有，插入此id
34           pairs.insert(pit, std::map<EntryId, double>::value_type(entry_id, value));
35         }
36       }
38     } // for each inverted row
39   } // for each query word
40 
41   // move to vector
42   ret.reserve(pairs.size());
43   for(pit = pairs.begin(); pit != pairs.end(); ++pit)
44   {
45     ret.push_back(Result(pit->first, pit->second));
46   }
47 
48   // resulting "scores" are now in [-2 best .. 0 worst]
50   // sort vector in ascending order of score
51   std::sort(ret.begin(), ret.end());
52   // (ret is inverted now --the lower the better--)
54   // cut vector
55   if(max_results > 0 && (int)ret.size() > max_results)
56     ret.resize(max_results);
57 
58   // complete and scale score to [0 worst .. 1 best]
59   // ||v - w||_{L1} = 2 + Sum(|v_i - w_i| - |v_i| - |w_i|)
60   //        for all i | v_i != 0 and w_i != 062   // scaled_||v - w||_{L1} = 1 - 0.5 * ||v - w||_{L1}
63   QueryResults::iterator qit;
64   for(qit = ret.begin(); qit != ret.end(); qit++)
65     qit->Score = -qit->Score/2.0;
66 }

开源词袋模型DBow3原理&源码

标签：gty   ons   忽略   数据   and   key   list   函数   div