Fisher Vector的改进

     《Fisher vector学习笔记》中介绍了fisher vector相关知识，本文接着这片学习笔记，来记录论文《Improving the Fisher Kernel for Large-Scale Image Classification》中第三部分提出的对fisher vector的3种改进。

1，L2 Normalization
     首先假设一幅图像的特征们$X={x_t,t=1...T}$服从一个分布p，对于Large-Scale image，根据大数定律，样本数T增大时，样本均值收敛于样本期望$E_{x-p}$，所以可将(1)式的fisher vector写成(2)式：

$$G_{\lambda}^X=\frac{1}{T}\sum_{t=1}^T\nabla_{\lambda}logu_{\lambda}(x_t) .(1)$$

GXλ≈∇λEx−ploguλ<