論文：ImageClassification with Fisher Vector: Theory and Practice

資料集：Calthch256

主要查看了VLFeat主頁上關於SIFT和DENSESIFT的Tutorials。

運行了VLFeat中的demo，對於Calthch256中001.ak47類的第一張圖片001_0001.jpg（圖片大小499×278）使用vl_sift函式對整張圖片提取特徵，得到421個特徵點，而對於vl_dsift函式，通過調整patch size和step size可以控制得到的特徵點的座標和個數。對同一張圖片001_0001.jpg，當patch size是24×24，step size取為4時，結果得到了7865個特徵點。對於其他影象，也是如此，得到的特徵點數大大提高。

從vl_sift函式說明中，可以知道檢測到的所有特徵點以F表示（4×numkeypoints），每個特徵點被分配了座標位置x、y，尺度s和方向th。F中的每一列代表了一個特徵點，而每一個descriptor都是128維的，因為：

在高斯尺度影象上，以特徵點為中心，將附近鄰域劃分為 d×d 個子區域(Lowe取d = 4)，每個子區域都是一個正方形；

用直方圖統計鄰域畫素的梯度方向，每π/2設定為一個方向，共有8個方向；

在每個子區域上計算8個方向的梯度方向直方圖，這樣就可以對每個特徵點形成一個4*4*8=128維的描述符。

所有特徵點的描述符構成D(128×numkeypoints)。

對於vl_dsift函式來說，需要確定的主要引數為binSize(bin size)、step(sampling step)、bounds(bounding box)。各引數的含義如下圖所示：

根據論文中所提：extract 10K descriptors per image from 24×24 patches on a regulargrid every 4 pixels at 5 scale。引數的設定如下：

binSize= 24/4 =6 (patch size = 24×24);

step= 4;

bounds為輸入影象的大小。