3.2.1　VLAD

VLAD是一个经典的基于手工特征（Hand-engineered Feature）的特征汇合算法，配合SIFT（Scale-Invariant Feature Transform，尺度不变特征变换）（Lowe,2004）特征，在深度学习复兴之前，在图像检索（Image Retrieval）领域取得了十分突出的效果。

VLAD的计算过程分为3步：首先对各帧图像特征进行聚类，然后根据聚类结果将每帧图像的特征分配到不同的聚类中心去，最后用每个特征到聚类中心的距离表示全局特征。下面进行具体说明。

（1）特征聚类。首先对每帧图像的特征进行聚类（例如进行-means 聚类），将得到个聚类中心，每个聚类中心维度和帧特征维度一致。令表示所属的聚类中心，假设帧特征所属的聚类中心是，那么。

（2）特征分配。令分配系数为

(3.2)

其中，是指示函数（Indicator Function），当其中的判断为真（True）时，函数值为1；判断为假（False）时，函数值为0。这里的特征分配是一种硬分配（Hard Assignment）策略，即当属于第个聚类中心时，；否则，。

（3）差值求和。VLAD的输出是一组特征，每个输出特征的维度和帧特征维度一致，每个输出特征对应一个聚类中心。输出特征定义为

(3.3)

式（3.3）首先找到属于聚类中心（即）的特征，之后计算帧特征和聚类中心的差值，最后将所有属于聚类中心的差值求和，得到输出特征。VLAD的这种计算方式去除了帧图像本身的特征，只保留了帧特征与聚类中心的差异。最终将个输出特征拼接在一起，得到最终的特征向量

(3.4)

最后，总结一下 VLAD 的参数量和输出特征维度。由于特征聚类、特征分配、差值求和都不涉及可学习的参数，VLAD的参数量为0。VLAD的输出特征是由一组特征拼接而成的，其中。因此，总的输出特征维度是。