【论文笔记】VLAD特征：Aggregating local descriptors into a compact image representation

摘要

大尺度的图像搜算需要考虑三个约束：精确性，效率，存储使用。

• 我们首先提出一个简单但有效的方式，去将局部图像描述子聚合成一个有限维的向量，可视为一个简化的Fisher kernel表示。
• 然后，我们联合优化降维和索引算法，尽可能的保留向量比较的质量。
• 我们的结果展示：我们的方法在一个用20byte表示的图像上，与BOF(词袋向量特征)有相当的精确性，但是我们在搜索效率上有着巨大的提升 。

1. 导言

-词袋模型精确度高源于：1. 有力的局部描述子如SIFT。2. 这些向量表示可以用标准距离进行比较。但是它的缺点在于：当数据库数据过大时变得不可用。
我们重点讨论了搜索精度、搜索效率和内存使用三个约束条件的联合优化问题，后两个因素的相关的，因为搜索效率是能够被近似于之前参观过的地方的总共所占的memory数。
我们的方法通常使用20字节的表示，从而获得更高的精度。通过优化得到:

1. 表示,即如何将局部图像描述符聚合为向量表示;
2. 这些向量的降维;
3. 索引算法。
   这些步骤是密切相关的:用高维向量表示图像通常比用低维向量提供更好的穷举搜索结果。然而，高维向量很难有效地索引。相比之下，低维向量更容易建立索引，但其识别能力较低，可能不足以识别对象或场景。

• 我们提出了一个描述符，它来自于BOF和Fisher核, 聚合SIFT描述子并且生成一个更紧凑的表示，我们把它称作VLAD。实验结果表明，在相同尺寸下，VLAD的性能明显优于BOF。它的计算成本更低，而且通过主成分分析(PCA)可以将其维数减少到几百个分量，而不会显著影响其准确性。
• 我们证明了联合优化降维与指数化算法之间的权衡的好处。我们特别考虑了最近[1]的索引方法，因为我们可以直接比较PCA引起的错误和索引造成的错误，这是由于矢量编码索引的近似重构造成的。

2.图像表示

在本节中，我们将简要回顾两种流行的方法，它们从一组局部描述符生成图像的向量表示。然后，我们提出了聚合本地描述符的方法。

1. BOF词袋特征

博主补基础去了，过几天更新新！

参考文献

【1】H. Jegou, M. Douze, and C. Schmid. Product quantization for nearest neighbor search. PAMI. To appear.