词袋和DBoW2库

词袋模型

以文本为例，一篇文章可能有一万个词，其中可能只有500个不同的单词，每个词出现的次数各不相同。词袋就像一个个袋子，每个袋子里装着同样的词。这构成了一种文本的表示方式。这种表示方式不考虑文法以及词的顺序。度量袋词的相似度 就可以度量两篇文章的相似度（余弦相似度）

• 视觉词袋模型
  特征点是由兴趣点和描述子表达的，把具有某一类特征的特征点放到一起就构成了一个单词（word），由所有这些单词就可以构成字典（vocabulary）了，有了字典之后，给定任意特征，只要在字典中逐层查找（使用的是汉明距离），最后就能找到与之对应的单词
  

• 构建视觉词袋的步骤：

  • 1.先对一图像集合 检测特征，形成特征描述量。2.通过对描述子进行聚类来形成词典，比如用层次Kmeans来形成一个词汇树（Vocabulary Tree)，每个节点下的描述子集相近，可以认为同一个节点下的这些描述子是一个视觉单词（当然更顶层的表示越的图像越复杂）。每一类用该类中所有特征的平均特征（meanValue）作为代表，称为单词（word）。每个叶节点被赋予一个权重。DBoW2作者提供了TF、IDF、BINARY、TF-IDF等权重作为备选，默认为TF-IDF。

  TF-IDF的主要思想是：如果某个词或短语在一篇文章中出现的频率TF高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。TF-IDF实际上是TF * IDF，TF代表词频(Term Frequency)，表示词条在文档d中出现的频率。
  
  IDF代表逆向文件频率(Inverse Document Frequency)。如果包含词条t的文档越少，IDF越大，表明词条t具有很好的类别区分能力。（来自百度百科）
  
  - 对图像集中的每张图像，提取其对应特征描述量进行分类，然后得到分别属于每一类的描述子个数。即得到一个n维度的向量，归一化该向量，则将该图像表示成一个n维的向量。
  - 将张图像都如上述表示成n维向量，则可以根据向量相似度知道每两张图像之间的相似度。IDF值可以根据大量数据训练得到

• 在DBoW2库中，如果特征描述是ORB特征，那就训练得到ORB词典；如果是SIFT特征，那就训练得到SIFT词典。DBoW2库利用一个大的图像数据库，离线训练好了ORB库和SIFT库，供大家使用。因此，在使用DBoW2库时，首先需要载入一个离线视觉词典。

回环检测

• 对一新进来的图像帧，将其中每个特征点都从单词树根节点往下遍历，取汉明距离最小的节点接着往下遍历直到叶节点。最终同上，计算各个叶节点上的数目并形成Bow向量v。
• 根据BoW向量，计算当前图像和其它图像之间的距离。
  
  差异越大得分越小趋近于0；相似则趋近于1