Dense SIFT

参考网址:http://www.scholarpedia.org/article/Scale_Invariant_Feature_Transform

      dense SIFT在目标分类和场景分类有重要的应用。接触较多文献的朋友可以发现，dense SIFT经常会用在bag of words 模型中[1]。在近年关于场景分类的论文中，我们可能会看到如下的细节。如以16×16 pixel大小的size和8 pixels的stepsize提取dense SIFT特征，然后做max pooling……。在此，我们引出dense SIFT与做特征匹配所用到的SIFT的不同点。dense SIFT是提取我们感兴趣的patches中的每个位置的SIFT特征。而通常做特征匹配的SIFT算法只是得到感兴趣区域或者图像上若干个稳定的关键点的SIFT特征。

     如图所示，目前关于dense SIFT提取比较流行的做法是，拿一个size固定的掩模或者bounding box，以一定的步长（stepsize）在图像上自左向右、从上到下提取dense SIFT的patch块。

图 denseSIFT提取示意图

      关于dense SIFT的代码网上能够比较容易地搜到，vlfeat上有dense SIFT的c++和matlab版本代码。

参考文献：

[1] Yang J, Yu K, Gong Y, et al. Linear spatial pyramid matching using sparse coding for image classification[C]//Computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conference on. IEEE, 2009: 1794-1801.