В компьютерном зрении модель мешка слов представляет изображение через подсчеты или появления локальных визуальных признаков, а не через словесные токены. Эти визуальные признаки группируются в словарь визуальных слов, формируя представление, похожее на гистограмму, которое может поддерживать классификацию и retrieval изображений.
In computer vision, the bag-of-words model (BoW model) can be applied to image classification, by treating image features as words. In document classification, a bag of words is a sparse vector of occurrence counts of words; that is, a sparse histogram over the vocabulary. In computer vision, a bag of visual words is a vector of occurrence counts of a vocabulary of local image features.