费舍尔矢量与LSH？

Question

我想实现一个给定输入图像的系统，它在（大约）50K图像的数据集中返回一个合理的类似的（近似是可接受的）。 时间表现至关重要。

我将使用SIFT的并行版本来获取描述符矩阵D。我已经阅读了Fisher Vector（FV）（VLfeat和Yael实现）作为学习和更精确的替代Bag of Features（BoF）以将D表示为单个向量v。

我的问题是：

1. FV的距离是多少？是欧几里德吗？在那种情况下，我会在eucledian距离中使用LSH来快速找到FV的近似邻近区域。
2. 还有其他FV效率（就时间而言） C ++ 实施吗？

Answer 1

您可以考虑的另一种方法是 VLAD 编码。 （基本上是FV的非概率版本，用k-Means聚类代替GMM）

实现与标准矢量量化略有不同，但在我的实验中，它表现出更好的性能和更低的码本大小。

它使用欧氏距离来查找最近的码本向量，但它不是仅计算元素，而是累积每个元素残余。

图片搜索的示例：Link

FV / VLAD文件：Paper