目前我正在处理实现一个用于对象识别的 CBIR 系统（详细的对象分类），现在因为我有一些工作的特征检测器和描述符，我试图找到处理这些特征的最佳方法，以完成基于内容的任务图像检索。
据我所知，这项任务有两个主要趋势，离散方法和连续方法。离散代表方法，如视觉词袋和码本，用于建立反向索引以应用引用文本检索的方法，而连续代表方法，如使用 kd 树和最近邻分类的 Best Bin First 搜索。
所以这两种方法之间的一个主要区别是，一种使用视觉词等特征的额外表示，另一种使用从描述符计算的 nD 特征。
我现在的问题是，这两种 CBIR 方法之间是否有任何比较可以帮助我找到适合我的任务的最佳方法？