CBIR与SIFT相似的特点，离散与连续方法

Question

目前我正在处理实施CBIR系统的对象识别（对象分类的详细），现在，因为我有一些工作的特征检测器和 - 描述符我尝试找到处理这些功能以进行基于内容的图像检索任务的最佳方式。

据我所知，这项任务有两个主要趋势，即离散方法和连续方法。其中离散表示方法如袋式视觉词和用于构建反向索引以应用引用文本检索的方法的代码簿，并且连续表示诸如使用k-d树和最近邻居分类的最佳斌首先搜索的方法。

因此，那些之间的一个主要区别这两种方法是，一个可与像视觉词和与从描述符所算出的n d的特征的另一种工作原理的特征的额外的表示。

我的问题是，现在有没有比较两种方法之间的CBIR，可以帮助我找到最适合我的任务的方法？

Answer 1

这个问题的完整答案会非常复杂和漫长。 但通常的连续方法可以给你更准确的结果，但你可以有效地建立搜索索引，你需要用大量的描述符的工作很慢。

你应该考虑使用用于初始结果离散特征（视觉词）的组合，并且随后筛选使用连续方法结果集。