Везде в features2D классах я вижу термины query и train. Например, у matches есть trainIdx и queryIdx, а у Matchers есть train() метод.
Я знаю определение слов train и query на английском языке, но не могу понять значение этих свойств или методов.
P.S. Я понимаю, что это очень глупый вопрос, но, может быть, это потому, что английский не мой родной язык.
Чтобы завершить ответ sansuiso, я полагаю, что причина выбора этих имен должна заключаться в том, что в каком-то приложении у нас заранее есть набор изображений (обучающих изображений), например, 10 изображений, сделанных в вашем офисе. Для этих изображений можно извлечь признаки и вычислить дескрипторы признаков. И во время выполнения системе передается изображение для запроса обученной базы данных. Следовательно, изображение запроса относится к этому изображению. Мне очень не нравится, как они назвали эти параметры. Если у вас есть пара стереоизображений и вы хотите сопоставить функции, эти имена не имеют смысла, но вы должны выбрать соглашение, говорящее, что всегда называйте левое изображение изображением запроса, а правое изображение — обучающим изображением. Я защитил докторскую диссертацию по компьютерному зрению, и некоторые соглашения об именах в OpenCV кажутся мне действительно запутанными/глупыми. Так что, если вы находите это запутанным или глупым, вы не одиноки.
train как ethalon, а query как sample.
- person Larry Cinnabar; 22.10.2012
srcIdx, dstIdx или firstIdx, secondIdx.
- person nn0p; 18.12.2015
train: эта функция строит внутреннее состояние классификатора, чтобы сделать его работоспособным. Например, подумайте об обучении SVM или о построении kd-дерева из эталонных данных. Возможно, вы сбиты с толку, потому что в литературе этот шаг часто называют обучением.
query — это действие по поиску ближайших соседей к набору точек, и, в более широком смысле, оно также относится ко всему набору точек, для которых вам нужен ближайший сосед. Вспомните, что вы можете запросить соседей 1 точки или целую партию в одном и том же вызове функции (путем складывания точек признаков в матрицу).
trainIdx и queryIdx относятся к индексу пинты в наборе ссылок/запросов соответственно, т. е. вы запрашиваете у сопоставителя ближайшую точку (сохраненную в позиции trainIdx) к какой-либо другой точке (хранящейся в позиции queryIdx). Конечно, trainIdx известно после вызова функции. Если ваши точки хранятся в матрице, индексом будет линия рассматриваемого объекта.
matcher.match(descriptors1, descriptors2, matches), тогда queryIdx будет индексироваться в keypoints1, а trainIdx в keypoints2. ср. stackoverflow.com/a/13320083/2397253
- person oarfish; 29.11.2015
Я понимаю «запрос» и «обучение» очень наивным, но полезным способом: «обучение»: данные или изображение предварительно обрабатываются для получения базы данных «запрос»: входные данные или изображение, которые будут запрашиваться в базе данных, которую мы обучили. до. Надеюсь, это поможет и вам.
