Image processing LSH是关于将向量转换为汉明距离的二进制向量吗？

我读了一些关于LSH的文章，我知道它是用来解决近似k-NN问题的。我们可以将算法分为两部分：

---

给定

D

维度（其中

D

较大）中任意值的向量，用一组

N

（其中

N1）对其进行翻译。您可以绕过它，但随后将在
D
维度中工作，而不是您所说的
N
。其中
N，但引用的文本仅引用一个描述符。这意味着在SIFT中，每个描述符都是128维的向量。但是图像是由多个描述符表示的，这就是为什么我说图像是通过矩阵表示的，因为我需要多个向量描述符（每个描述符都是128维的）。然后通过识别它们的最近邻来匹配两个图像之间的
关键点。
从我提供的链接，应该有帮助@justHelloWorld。现在更清楚了：我们在LSH中的研究只基于整个图像中可用的多个描述符中的一个描述符。因此，我们通过一个描述符相对于图像中的一个小面片来识别一幅图像。现在我想知道我们如何在图像中提取一个有意义（或者更好，最有意义）的补丁，但我想我会在这个主题上提出另一个问题：）正是@justHelloWorld，你明白了！嗯，这是一个大问题，许多科学家正在研究它，我想这是一个开放的问题。我刚刚发现GIST描述符指的是整个图像，而不仅仅是其中的一个补丁/关键点，因此我们可以通过向量来表示图像（534维，如果我没有错的话）。这太棒了：）