Bag of visual words,TF-IDF

Bag of visual words (BOVW)是把影像用特徵來描述

譬如說用SIFT提取特徵,之後一張影像就用這些特徵來表示,並且也只保留這些特徵,

這可以用在影像特徵的萃取與比對

一張影像可以提取出許多字彙，直接用每個字彙出現的數量來描述影像是一種方式

而應用TF-IDF (Term freq. inverse document frequency )的技術，在此描述中加上字彙的稀有程度這項因素

t = (nid/nd) log(N/ni) 

nid：字彙i出現在目標影像中的次數

nd :目標影像總字數

N：總影像數

ni：含有字彙i的影像數

(nid/nd)這項表示若這張影像的字彙數越少,每個字彙的權重越高

(log(N/ni))這項表示若這字彙越稀有,則這個字彙權重越高

接著再計算影像之間的cosine distance, 

ref ：  https://www.youtube.com/watch?v=a4cFONdc6nc

ref ：https://github.com/ovysotska/in_simple_english