我正在阅读很多关于VLAD和Fisher Vectors（FV）的论文。特别是，在this论文中（基本上每篇论文都在讨论该主题），作者使用PCA来减少SIFT，VLAD和FV维度。
然而，根据我的理解，PCA涉及计算协方差矩阵的特征值，我们只能计算平方矩阵的特征值。
现在，假设我们想为1M SIFT向量计算PCA。我们如何在1Mx128矩阵上计算PCA？
我从this的问题中了解到SVD是另一种选择，但我很惊讶，因为在任何论文中都没有人谈过PCA！我错过了什么？
答案 0 :(得分：1)
VLAD和Fisher Vectors的实现有效地倾向于使用PCA来降低图像块的维数。大多数论文报告的典型值是DIM = 64并且使用1M补丁，这有效地使得难以直接应用SVD。
我见过用于SIFT的PCA实现，它使用此处报告的迭代算法：https://en.wikipedia.org/wiki/Principal_component_analysis#Iterative_computation。