我有一个应用程序，给定合理数量的图像（比如说 20K）和一个查询图像，我想找到最相似的图像。一个合理的近似值是可行的。
为了保证表示每个图像的精度，我使用了 SIFT（并行版本，也可以实现快速计算）。
现在，给定可以表示为矩阵的nSIFT 描述符集（500<n<1000通常取决于图像大小），n x 128从我在文献中看到的情况来看，我的情况有两种可能的方法：
- 描述符匹配：我们将每个描述符向量映射到低维空间，并尝试找到最相似的近似值，例如通过 LSH。然后，我们相对于找到的相似描述符增加查询图像和图像之间的匹配数。我们在所有描述符上迭代该过程。最后，我们返回具有最多描述符匹配的图像作为结果。
- Bag of Features：我们按照 BoF 模型为每个图像创建一个直方图向量。假设我们使用
k-means（k=128例如，其中 ），我们会k为每个图像获得一个 -dimensions 向量。由于k可能太大而无法进行有效比较，我们可以再次通过 LSH 将其映射到更小的（可能是二进制）空间（就像我们在 1. 中所做的那样）。最后，作为结果，我们返回最相似的直方图。请注意，这种方法的一个大问题是，正如我在这个问题中所讨论的，为了快速定义直方图，我们需要再次使用 LSH（真是一团糟！）。
我很惊讶我没有发现这两种方法的任何比较。我的问题是：我们必须为每个人考虑什么？有这两种方法的研究吗？第一种方法似乎更有效，并且对于这样的数据集是可行的。