我读了一些关于Fisher向量的内容，目前还在学习中。Fisher向量是一种比经典的词袋（BoF）表示更好的表示方法，它利用了高斯混合模型（GMM）（或者k-means，尽管通常被称为VLAD）。

然而，我发现它们通常用于分类问题，例如与支持向量机（SVM）一起使用。

但在图像检索方面呢？我看到它们也被用于图像检索（这里），但我有一个不明白的地方：给定代表两张图片的两个Fisher向量，我们如何计算它们的距离，从而判断“两张图片的相似度如何？”

在这种情况下使用它们是否合理？

回答：

从下面的两篇论文中可以看出，欧几里得距离似乎是常用的选择。也有提到使用点积作为相似度度量；余弦相似度（与之密切相关）是机器学习中普遍流行的相似度度量方法。

http://link.springer.com/article/10.1007/s11263-013-0636-x

http://www.robots.ox.ac.uk/~vgg/publications/2013/Simonyan13/simonyan13.pdf

这些信息是否足以帮助你选择满足需求的方案？