BOF、VLAD特征
最早的VLAD特征就是為了做圖像檢索，主要思想是把N個圖像提取共n個向量（n>N，每個圖像不止一個向量），把n個向量做聚類，比如K-means，得到K個聚類中心。
然后對n個向量做聚類，看看每個聚類中心分別分了多少個點，把每個聚類中心的點的數(shù)量做直方圖，就是BOF。
如果說n個向量找到各自的中心后，每個向量都減去各自的中心（殘差）。對于聚類中心周圍所有點的殘差加和得到一個d維向量，把K個聚類中心對應的d維向量都拼到一起得到一個Kxd維向量，這就得到了VLAD特征。
NetVLAD
- NetVLAD的聚類中心都是可學習的
- 和VLAD算法不同，每個點不是通過聚類的方式得到聚類中心的，用的是soft的方式，相當于每個點都同時屬于所有聚類中心，但是有一定概率。
- NetVLAD特征還是通過加權(quán)求和的方式得到。
