我想实现一个系统，给定一张输入图像，它能从大约5万张图像的数据集中返回一张合理相似的图像（近似结果是可以接受的）。时间性能至关重要。
我将使用SIFT的并行版本来获取描述符矩阵D。我了解到Fisher Vector（FV）（VLfeat和Yael的实现）作为学习和更精确的替代方案，用于将D表示为单一向量v，替代了Bag of Features（BoF）。
我的问题是：
- FV使用什么距离度量？是欧几里得距离吗？如果是的话，我会使用基于欧几里得距离的LSH来快速查找FV的近似近邻。
- 有没有其他在时间效率上更高的FV的C++实现？
回答：
你可以考虑的另一种方法是VLAD编码。（基本上是FV的非概率版本，用k-Means聚类替代了GMM）
实现上与标准向量量化仅有细微差别，但在我的实验中，它显示出更好的性能，并且所需的码本大小显著减少。
它使用欧几里得距离来查找最近的码本向量，但不是简单地计数元素，而是累积每个元素的残差。
图像搜索的示例：链接
FV / VLAD论文：论文
