Several questions已被问及SIFT algorithm，但他们似乎都专注于两张图片之间的简单比较。不是确定两个图像的相似程度，而是使用SIFT从数千个图像的集合中找到最接近的匹配图像是否切合实际？换句话说，SIFT是否具有可扩展性？
例如，使用SIFT为一批图像生成关键点，将关键点存储在数据库中，然后找到与为“查询”图像生成的关键点具有最短欧氏距离的那些图像是否可行？
在计算欧几里德距离时，你会忽略关键点的x，y，比例和方向部分，只看一下描述符吗？
答案 0 :(得分：8)
有几种方法。
一种流行的方法是所谓的词袋表示，它仅根据多少描述符匹配进行匹配，从而忽略由（x，y，缩放和方向）组成的位置部分，并只查看描述符。 / p>
高效查询大型数据库可能会使用近似方法，如locality sensitive hashing
其他方法可能涉及vocabulary trees或其他数据结构。
有关同时考虑位置信息的有效方法，请查看pyramid match kernels