《Aggregating local descriptors into a compact image representation》论文笔记
提取到VLAD特征后，要先用PCA降维，然后再用ADC方法对每一幅图像建立索引，这里先介绍ADC方法。
ADC方法是对图片库中，除query vector x之外的所有图的vector 找到离x最近的a个邻居
然而这里存在的问题是，k必须是一个较小的值，这样会导致信息损失较严重，因为上百万个图，最后只对应到了16种编码，，搜索精度会很低。如果想用64bit编码，，聚类中心的个数太多，kmeans计算代价很大。所以这里参考论文《Product quantization for nearest neighbor search》中的方法，对ADC方法做优化。 这种方法是把vector y划分成m个子向量，如果y长度为D，那么每个子向量长度：D/m，定义product quantizer：
你要以乐观的态度看待这个世界，你会发现世界是如此得美好
