我想用一些单词来进行基于内容的图像检索。 我对如何将词袋应用于基于内容的图像检索感到困惑。 澄清：
我使用SURF功能训练了我的程序并提取了BoW描述符。我将它作为训练数据提供给支持向量机。然后，给定查询图像，支持向量机可以预测给定图像属于哪个类。
换句话说，给定一个查询图像，它可以找到一个类。例如，给定汽车的查询图像，程序将返回“汽车”。怎么会找到类似的图像？
在给定课程的情况下，我会从训练集中返回图像吗？或者，程序 - 给定查询图像 - 是否也会返回SVM预测同一类的测试集的子集？
答案 0 :(得分：0)
标题只提到了BoW，但在你的文本中你也使用了SVM。
我认为CBIR的核心思想是，根据一些距离测量，找到最相似的图像。您可以使用BoW功能执行此操作。 SVM不是必需的。
使用额外分类的主要目的是加快流程。因为在为测试图像获取类标签后，您只需要搜索图像的这个子组以获得最佳匹配。当然，如果SVM在区分某些类别而不是距离测量方面更好，那么它可能有助于减少错误。
因此标准工作流程将是：