我使用GMM将我的数据拟合到256个高斯分布中。我使用Matlab的fitgmdist来实现这一点。

gmm{i} = fitgmdist(model_feats, gaussians, 'Options',statset('MaxIter',1000), ...            'CovType','diagonal', 'SharedCov',false, 'Regularize',0.01, 'Start',cInd);

我使用RootSIFT来提取每张图片的特征。这会为每张图片生成一个1x128的向量。

现在我每个作者最多有45张图片。所以在特征提取和所有操作之后，我的model_feats的大小是45 x 128。

根据X的数据排列帮助文件说明：

X的行对应于观察值，列对应于变量。

我遇到的问题是当我运行上述函数时，系统提示我：

“X必须有更多的行而不是列。”

我每个作者总共有45张图片。我怎样才能让这个函数运行起来？对于这样一个函数来说，这是一个奇怪的限制，我的意思是，即使我能够为每个作者获取100张图片，它仍然不会工作。

我会很感激任何解决方法的建议。

P.S. 我已经尝试使用VL_Feat的vl_gmm，它可以正常工作，但我在Matlab中需要这个功能，而不是VL_FEAT。

回答：

使用SIFT时，你通常不会为整张图片计算特征，而是为每张图片计算数百个关键点。这样你就不会再遇到这个问题了。

下一步可能就是对每张图片进行“视觉词袋”映射了。