search

willard-yuan / cnn-cbir-benchmark

CNN CBIR benchmark (ongoing)
193 stars 53 forks source link

请问在 vlad_retrieval 的 vlad.py 中 上一级的models 文件夹在哪里，是自己手动创建吗？可是里面的文件又是怎么生成的呢 #17

Closed ghost closed 5 years ago

ghost commented 5 years ago

h5f = h5py.File('./models/vlad_128_8192.h5', 'w')

load PCA and KMeans model

centroids = np.load('./models/centroids_data.npy') pca_transform = np.load('./models/pca_data.npy') mean = np.load('./models/mean_data.npy')

willard-yuan commented 5 years ago

@tianlanli 对于vlad或者fv，运行的步骤如下:

  1. 先使用extract_hesaff.py抽取oxford building dataset的所有图片的局部特征;
  2. 使用kmeans.py获取PCA降维矩阵，以及聚类获取codebook，文件会保存在model里面；
  3. 用vlad.py对oxford building dataset里的图片进行vlad特征表示；
  4. 使用brute.py计算在oxford building dataset上的MAP。

整体步骤是这样的，希望可以解决你的问题。

ghost commented 5 years ago

@tianlanli 对于vlad或者fv，运行的步骤如下:

  1. 先使用extract_hesaff.py抽取oxford building dataset的所有图片的局部特征;
  2. 使用kmeans.py获取PCA降维矩阵，以及聚类获取codebook，文件会保存在model里面；
  3. 用vlad.py对oxford building dataset里的图片进行vlad特征表示；
  4. 使用brute.py计算在oxford building dataset上的MAP。

整体步骤是这样的，希望可以解决你的问题。

非常感谢