图像检索-乘积量化

参考链接：https://blog.csdn.net/guanyonglai/article/details/78468673

看了两天的乘积量化，先说下我自己的理解吧：（以下蓝字使我的理解，红字是我看别人的博客暂时没弄懂的，我写的比较啰嗦以便我回头自己翻看时不会再有疑问(#^.^#)）

假设我们的图片检索库有100万张图片，每张图片提取多个128维的特征向量，把这128维向量分成8个短向量，每个短向量是16维，也就是说检索库总共包含100万*8这么多向量（我们暂且称为8堆短向量，每一堆有100万个短向量），我们把每一堆短向量都用 k-means 聚类为 256 类。对于检索库里面的每一张图片都由多个128维的向量表示，把每个128维的向量分为8个16维的短向量，对于每一个短向量我们都找到他属于一堆短向量的256类中的哪一类（可是这里如果归错类了那么查找图片岂不是一步错步步错？又一疑问：如果把大量的库图片归类为这256类呢，而且还要索引好每一张图片的需要以方便查找，k-means算法可以具体实现这一步骤吗？），依此类对，8个短向量分别在8个堆中查找属于256类中的哪一类，这样一张图片8个短向量的每一个短向量都有256种选择，即一张图片总共有256的8次方种选择（2的64次方，即相当于一幅图片的特征可以表示为64位（8*8bit）二进制数），这样图片库的数量就可以很大了（2的64次方），而查找query图片时，先在库里面对比query图片的第一个八分之一短向量，如果按照最近邻查找的方法（只找出和这个短向量最接近的“1”个类，），在第一个短向量的判断后就丢弃了库里面不符合的 255/256 张图片，即接下来只要搜索 1/256 库的图片就行了，而在对比query的第二个八分之一短向量的时候又丢弃了 255/256 的图片，一共进行8次丢弃，这样以来查找的工作量就极大地减少了，而不用把query和库里面的每一张图片都对比。

乘积量化（PQ）算法是和VLAD算法是由法国INRIA实验室一同提出来的，为的是加快图像的检索速度，所以它是一种检索算法，在矢量量化（Vector Quantization，VQ）的基础上发展而来，虽然PQ不算是新算法，但是这种思想还是挺有用处的，本文没有添加公式。

　　它原文中是接在VLAD算法后面，假设我们使用VLAD算法获得了1M的图像表达向量，向量的维度为D=128，则对于一幅查询图像来说，我们需要计算1M个余弦距离，这样实时性就比较差。所以如何加快这种距离的计算速度就是PQ算法所要完成的任务。当然为了解决这个问题，已经有很多算法被提出了，如KDTree，LSH，ITQ等都是为解决这个问题而提出的，属于KNN或ANN范畴。

2。空间切分

　　首先，PQ先将D维空间切分成M份：即将128维空间切分成M个D/M维的子空间，如下图所示M=8（在原文中，作者由于是在PCA之后进行的PQ检索，所以进行了一个随机旋转，因为PCA之后特征值的顺序是按照从大到小排

（这里256 centroids 表示把这100万张图片的100万个特征向量的八分之一短向量聚为256类）

　　用代码表示就是把向量维度切分：

int ds= d / nsq;
for ( int i = 0; i < nsq; i ++ )
{
for ( int j = 0; j < ds; j ++ )
{
vs.push_back( vtrain.row( i*ds + j ) );
}
}
//vtrain的转置是原始128维向量，vs是其中的一个子向量

3。量化

　　这样就可以在每个子空间内都会有1M个短向量，我们为每个子空间单独训练一本码书，图中码书规模为k=256，维度d=D/M=128/8=16，代码只要在上面的外循环中添加k-means聚类即可：

kmeans( vs, ks, labelssub, TermCriteria( CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 50, 0.001 ),
3, KMEANS_PP_CENTERS, centers );

　　到这里我们就有M=8本子码书，下面我们依次量化每个子空间的数据，量化的过程就是计算每个短向量距离最近的聚类中心，距离就是L2距离，可以调用OpenCV函数，也可以自己写一个距离计算函数，但是要统一，如：

float my_norm_L2( Mat mat1, Mat mat2 )
{
int d = mat1.cols;
float sum_d = 0.0;
for ( int i = 0; i < d; i ++ )
{
float pp = mat1.at<float>( 0, i ) - mat2.at<float>( 0, i );
sum_d = sum_d + pp*pp;
}
return sum_d;
}

4。压缩

　　现在考虑一个D=128维的原始向量，它被切分成了M=8个d=16维的短向量，同时每个短向量都对应一个量化的索引值，索引值即该短向量距离最近的聚类中心的编号，每一个原始向量就可以压缩成M个索引值构成的压缩向量，只要设计好了数据结构，就可以获得所有1M数据的压缩向量。压缩向量其实就是M个索引值，每个索引值对应一个聚类中心，所以要同时保存压缩向量和聚类中心。

　　其实一个向量被8个索引值同时索引，而如果把这8个索引值转换成一个的话是多大呢，k的M次方，这里应该是256的8次方（这么大的码书，怎么和训练图片一一对应呢？而且训练图片也不是256的8次方幅啊？），这是一个很大很大的数，而上面的操作就等效于生成了一个这么大规模的码书。为什么这么说呢，因为每一个短向量（或称子向量）量化的过程都有k个选择，而一个原始向量有M个选择，类似于8位256进制的数可以表示的最大数值：

　　对于query图像的原始向量也经过上述流程的切分和量化过程，最后生成同样的M维压缩向量。

5。距离计算

　　对于训练数据和测试数据都压缩完成后，接下来就是讨论如何计算两个压缩向量之间的距离呢？而且是快速的计算。

（这里的测试数据x应该就是一张图片啊，也就是一个特征向量，一个向量怎么还会有q(x)呢，应该是直接对比看x属于哪一个训练中心q(y)啊，然后计算x到q(y)的距离，这里不太理解）

　　作者提供了两种距离计算方式，分别为 “对称距离计算” 和 “非对称距离计算” ，分别如下左右图所示：

对称距离计算：直接使用两个压缩向量x，y的索引值所对应的码字q(x),q(y)之间的距离代替之，而q(x),q(y)之间的距离可以离线计算，因此可以把q(x),q(y)之间的距离制作成查找表，只要按照压缩向量的索引值进行对应的查找就可以了，所以速度非常快；

非对称距离计算：使用x，q(y)之间的距离代替x，y之间的距离，其中x是测试向量。虽然y的个数可能有上百万个，但是q(y)的个数只有k个，对于每个x，我们只需要在输入x之后先计算一遍x和k个q(y)的距离（这里是找x到256个聚类中心的最近一个聚类中心的距离吗？这个中心如果找错了那岂不是一步错步步错？），制成查找表（因为只有k个，所以速度是非常快的），然后按照y对应的压缩向量索引值进行取值操作就可以了。