具有SIFT相似特征的CBIR，离散方法与连续方法

Question

目前，我正在处理实现一个用于对象识别(详细介绍对象分类)的CBIR系统，现在，由于我有一些可用的特征检测器和-descriptors，我试图找到处理这些特征的最佳方法，以完成基于内容的图像检索任务。

据我所知，这项任务有两个主要趋势，离散的和连续的方法。其中，离散代表像bag-of-visual words和codebooks这样的方法，用于建立倒排索引，以应用引用文本检索的方法，而连续代表像带有k-d树的Best Bin First search和最近邻分类这样的方法。

因此，这两种方法之间的一个主要区别是，一种方法使用视觉单词等特征的额外表示，另一种方法使用从描述符计算出的n-D特征。

我现在的问题是，这两种CBIR方法之间是否有任何比较，可以帮助我找到适合我的任务的最佳方法？

Answer 1

这个问题的完整答案是相当复杂和冗长的。但通常情况下，连续方法可以提供更准确的结果，但速度较慢，因为您可以有效地构建搜索索引，并且您需要使用较大的描述符。

您应该考虑将离散特征(视觉单词)用于初始结果的组合，然后使用连续方法过滤结果集。