Feature Context for Image Classi

#####Feature Context for Image Classification and Object Detection, CVPR11

>摘要：BOF框架下，文章提取了一种编码空间信息的图像局特征，上下文特征FC（说是形状上下文特征SC的天然扩展）。在向量化阶段，采用了Radial Basis Coding，最终使用linear SVM进行分类。

#####一、Radial Basis Coding

底层特征是128维的dense sift，然后k-means聚类，由于sift patch很多，故作者在实现时进行了随机降采样。量化时采用如下公式

$$ {{w}_{i}}=G\left( \frac{x-{{\mu }_{i}}}{{{\sigma }_{i}}} \right)=\left\{ \begin{matrix}

\frac{1}{\sqrt{2\pi }{{\sigma }_{i}}}\exp \left( \frac{-{{\left\| x-\mu \right\|}^{2}}}{2\sigma _{i}^{2}} \right),\quad {{\mu }_{i}}\in NN\left( x \right) \\

0,\quad \quad \quad \quad \quad \quad \quad \quad \quad \ otherwise \\

\end{matrix} \right.

$$

其中$ NN\left(x\right) $为最近邻。