여러 이미지를 일치시키는 동안 SIFT 기능이 일치하는 성능

Question

~ 150 개의 이미지가있는 이미지 라이브러리가 있습니다. 이제 ~ 300 개의 기능이있는 다른 이미지가 있고 내 라이브러리에서 5 개의 가장 비슷한 이미지를 찾고 싶습니다.

약 300 * 5000 * 150 * 128 연산이 필요하고 너무 많은 시간이 소요됩니다. 그래서 나는 ~ 5000 kd-trees를 의미하는 내 라이브러리의 각 이미지에있는 기능을위한 kd-tree를 만들었습니다. 다른 선별 라이브러리와 마찬가지로 가장 가까운 이웃에 대해 bbf search을 사용했습니다. 그러나 퍼포먼스는 나의 무차별 대입 알고리즘보다 느려졌다. 내 구현의 잘못이 아닌지 확인하기 위해 다른 라이브러리의 일치 알고리즘을 무차별 적으로 수정했으며 성능도 향상되었습니다.

제 질문은 ~ 5000 kd-trees를 하나의 나무에 결합 할 수 있습니까? 또는 여러 이미지를 일치시키면서 성능을 향상시킬 수있는 다른 방법이 있습니까?

Answer 1

Locality Sensitive Hashing을 사용하는 것이 좋습니다 (정확도가 100 %가 아닌 경우 상당히 빠름).