vlad
局部聚合向量（vector of locally Aggregated Descriptors，VLAD）
一种编码方法，广泛用于基于音频的人脸识别、动态场景识别、头部姿态分类等。
(1) 欧式空间的VLAD：
具有非常高的辨别能力
仅利用常规的VLAD能够使用初始向量的加法和减法。
常规的欧式空间上的VLAD：
分 给定一个局部描述子集合，假设他们是高斯混合模型
和VLAD有关的只有关于均值的梯度部分，可以写成下面形式：
（1）
在VLAD中，输入空间被K个码本划分成K部分（给定码书C）
1.通过KDtree找到与x最近的码本赋值给u.
2.计算每个区域（共K个区域的累计残差）
（2）
VLAD框架就是FV算法的一个简化版本。（VLAD是FV的一个特例）
从（1）和（2）中我们可以看出，VLAD的特点：
1) VLAD利用hard assignment scheme(硬分配方法)
2) VLAD混合部分的协方差矩阵是对角的，而且是固定的。
（2）扩展到黎曼流形上
给定局部描述子
相关阅读
1.1 vlad基础概念 VLAD是vector of locally aggregated descriptors的简称，是由Jegou et al.在2010年提出，其核心思想是aggregate