BOF算法和VLAD算法的对比

前言

BOF算法（Bag of Features）和VLAD算法（Vector of Locally Aggregated Descriptors）都是图像检索算法，都使用聚类来将特征描述子分组，进而形成视觉单词表，但又有不同点，下面是两个算法的流程和对比。

BOF算法的流程

1、提取训练集图片的SIFT特征，设N张图片得到共M个128维的特征向量，存入des

2、对des进行K-Means聚类，得到K个聚类中心，即码本

3、计算一个图像的每个特征向量到K个聚类中心的距离，并将其映射到距离最近的聚类中心上(将该聚类中心对应的词频+1)，就将这幅图像变成了一个与聚类中心序列相对应的词频矢量，将训练集的所有图片都进行这样的操作，得到了N个词频矢量。

4、输入测试图片，提取测试图片的SIFT特征，然后用第三步的方法得到测试图片的词频矢量。

5、计算测试图片的词频矢量和N个训练集的词频矢量的距离(欧氏距离or余弦距离)

6、得到距离最近的x张图片

VLAD算法流程

1、提取图像的SIFT描述子，设N张图片得到共M个128维的特征向量，存入des

2、对des进行K-Means聚类，得到K个聚类中心，即码本

3、把一副图像所有的SIFT描述子按照最近邻原则分配到聚类中心上，对每个聚类中心做残差和（即属于当前聚类中心的所有SIFT减去聚类中心然后求和），对这个残差和做L2归一化，然后拼接成一个K*128的长向量。128是单条SIFT的长度。对所有图片进行这个操作，共得到N个长向量。

4、输入测试图片，提取测试图片的SIFT特征，然后用第三步的方法得到测试图片的长向量。

5、计算测试图片的向量和N个训练集的向量的距离(欧氏距离or余弦距离)

6、得到距离最近的x张图片

区别

BOF（Bag Of Features）：建立码本时采用K-means，在映射时，利用视觉词袋量化图像特征，统计的词频直方图，该词频直方图即为编码后的特征向量，损失的信息较多。

VLAD（vector of locally aggregated descriptors）：VLAD像BOF那样，只考虑离特征点最近的聚类中心，VLAD保存了每个特征点到离它最近的聚类中心的距离； 像Fisher vector那样，VLAD考虑了特征点的每一维的值，对图像局部信息有更细致的刻画； 而且VLAD特征没有损失信息。

VLAD算法比BOF算法更加准确，但计算量也更大，需要更多时间。