opencv flann module: knn-search для иерархического дерева kmeans, дающий странный результат

Question

У меня около 130 000 дескрипторов SIFT. Я создаю иерархический индекс Kmeans, используя модуль Flann Opencv. После этого я хочу квантовать эти 130 000 дескрипторов (будет квантовать более позднее). Для этого я использую метод knnsearch flann. Но результат этого метода - нечто странное. Для каждого дескриптора ближайший индекс, который он показывает, является индексом самого дескриптора. Однако он должен отображать идентификатор кластера ближайшего кластера, который будет одним из листов дерева HIK.

Если я пытаюсь к = 2

Вот фрагмент кода - (! Это не дает кластерный-ID)

int k=1; 
cv::flann::KMeansIndexParams indexParams(8,4,cvflann::FLANN_CENTERS_KMEANSPP) ; 
cv::flann::Index hik_tree(cluster_data, indexParams); 
Mat indices,dist; 
hik_tree.knnSearch(cluster_data, indices, dist, k, cv::flann::SearchParams(64)); 

Answer 1

knnSearch ищет К-ближайших соседей по индексу , Вы создаете свой индекс, используя cluster_data, а затем пытаетесь сопоставить cluster_data с самим собой. В этой ситуации, это не удивительно, что ближайший сосед каждого дескриптор сам ...

EDIT: Если вы хотите получить центры, посмотри на это (от источника библиотеки Flann) :

/** 
* Chooses the initial centers using the algorithm proposed in the KMeans++ paper: 
* Arthur, David; Vassilvitskii, Sergei - k-means++: The Advantages of Careful Seeding 
*/ 
template <typename Distance> 
class KMeansppCenterChooser : public CenterChooser<Distance> 
{ 
... 

Answer 2

к-НН является алгоритм Контролируемой классификации, поэтому вы должны построить Index объект с вашими образцами обучения, так что используйте

резюме :: Flann :: Индекс hik_tree (образцы , indexParams);

вместо

сорта :: Flann :: Индекс hik_tree (cluster_data, indexParams);