基于内容的图像检索(CBIR)：特征包还是描述符匹配？

Question

我已经阅读了很多关于最近邻问题的论文，似乎像随机kd-树或LSH这样的索引技术已经成功地应用于基于内容的图像检索(CBIR)，它可以在高维空间中工作。一个非常常见的实验是给出一个SIFT查询向量，在数据集中找到最相似的SIFT描述符。如果我们用所有检测到的SIFT描述符重复这个过程，我们可以找到最相似的图像。

然而，另一种流行的方法是使用视觉词袋并将检测到的所有SIFT描述符转换为一个巨大的稀疏向量，该向量可以用相同的文本技术(例如倒排索引)进行索引。

，我的问题是：这两种不同的方法(通过最近邻技术匹配SIFT描述符与SIFT描述符+反向索引上的特性包)是非常不同的，我不知道哪一种更好。

如果第二种方法更好，那么最近邻在计算机视觉/图像处理中的应用是什么？

Answer 1

哦，天哪，你在问一个连报纸都回答不了的问题，我想。为了进行比较，我们应该采用这两种方法的最新技术，并对它们进行比较，测量速度、准确性和回忆能力。最好的一个比另一个好。

就我个人而言，我并没有听说太多的视觉词汇，我只在文字相关的项目中使用了单词包模型，而不是与图像相关的。此外，我确信我已经看到很多人使用了第一种方法(包括我和我们的研究)。

这是我得到的最好的，所以如果我是你，我会找一篇比较这两种方法的论文，如果我找不到这两种方法的最佳代表，我会找到这两种方法的最佳代表(你发布的链接有一篇2009年的论文，我想这是旧的)，并检查他们的实验。

但要小心！为了比较最好的代表的方法，你需要确保每一篇论文的实验都是超相关的，使用的机器是相同的“力量”，使用的数据是相同的性质和大小，等等。