BOVW基本思想

• BOVW（基于视觉特征的词袋模型）
  
  • BOVW的具体流程
    
    • 首先是选取patch，比如说我们选取3*3的作为我们patch的大小
    • 针对所有的数据(包括训练集和测试集)计算每个patch的特征，这里可以是灰度值特征，也可以是纹理特征
    • 对所选取的patch 进行聚类，举出x类
    • 那么针对原来的图像，我们每一个图像(每一个图像被划分成了许多个patch)都可以得到一个新的特征向量，这个特征向量的维数是x维，代表的是组成该图像的所有的patch在聚类结果x个类别中的分类情况
    • 我们再使用KNN或者SVM等分类器去对新的特征进行分类
  • 疑问
    
    • 在聚类的时候，他会将训练数据和测试数据一起使用，这样做是否合理？虽然说没有使用测试数据的label，但还是感觉这样做不太对
  • 扩展
    
    • 我们其实可以利用patch做很多事情，比如，我们可以对每一个像素点进行分类，每一个像素点的特征是它所代表的patch的特征。这样我们就可以把一幅图像中我们想要的部分给识别出来。