我已经阅读了很多关于图像编码技术的文章，例如一袋视觉词，VLAD或Fisher矢量。
但是，我有一个非常基本的问题：我们知道我们可以执行描述符匹配（暴力破解或利用ANN技术）。我的问题是：为什么我们不使用它们？
据我所知，Bag of Visual Words由每个图像的数十万个维度组成，以准确表示。如果我们考虑具有1千个SIFT描述符的图像（已经是相当多的数字），我们有128,000个浮点数，这通常小于BoVW的维数，因此它不是出于记忆原因（至少如果我们不考虑大规模问题，那么首选VLAD / FV代码。）
那我们为什么要使用这种编码技术呢？这是出于性能原因吗？
答案 0 :(得分：0)
我很难理解你的问题。
关于描述符匹配，强力，ANN匹配技术用于检索系统。最近的匹配技术包括KDtree，Hashing等。
BoVW是一种传统的表示方案。 BOVW与倒置索引一度是信息检索系统中最先进的。但是BOVW表示的维度（每个图像的内存使用量）（高达数百万）限制了在实践中可以索引的实际图像数量。
FV和VLAD都是具有高辨别能力的紧凑视觉表现，这是BoVW所缺乏的。已知VLAD非常紧凑（每个图像32Kb），在检索和分类任务中非常有辨别力和有效。
是的，此类编码技术用于性能原因。 您可以查看本文以加深理解：Aggregating local descriptors into a compact image representation。