具有SIFT特征的CBIR，离散与连续方法

Question

目前我正在处理实现用于对象识别的CBIR系统（详细的对象分类），现在由于我有一些工作特征检测器和 - 描述符，我试图找到处理这些任务的最佳方法基于内容的图像检索。

据我所知，这项任务有两个主要趋势，即离散和连续方法。离散代表视觉包词和码本的方法，用于构建反向索引以应用引用文本检索的方法，以及连续代表方法，如最佳Bin优先搜索k-d树和最近邻分类。

因此，这两种方法之间的一个主要区别是，一个用于视觉词等特征的额外表示，另一个用于从描述符计算的n-D特征。

我现在的问题是，CBIR的两种方法之间是否有任何比较可以帮助我找到最适合我任务的方法？

Answer 1

这个问题的完整答案将非常复杂和冗长。 但通常情况下，连续方法可以为您提供更准确的结果，但由于您可以有效地构建搜索索引，因此速度较慢，并且您需要使用大型描述符。

您应该考虑使用离散特征（视觉词）进行初始结果的组合，然后使用连续方法过滤结果集。