图像的特征用到了Dense Sift，通过Bag of Words词袋模型进行描述，当然一般来说是用训练集的来构建词典，因为我们还没有测试集呢。虽然测试集是你拿来测试的，但是实际应用中谁知道测试的图片是啥，所以构建BoW词典我这里也只用训练集。 其实BoW的思想很简单，虽然很多人也问过我，但是只要理解了如何构建词典以及如何将图像映射到词典维上去就行了，面试中也经常问到我这个问题，不知道你们都怎么用生动形象的语言来描述这个问题？ 用BoW描述完图像之后，指的是将训练集以及测试集

大规模图像检索的代码，matlab与c++混合编程。总结了目前图像检索领域目前主要存在的方法。通过阅读该代码，可以对于经典的“词袋”模型（bow模型）有个具体的了解，但是该代码没有提供前序的特征提取，是直接从对提取好的特征向量聚类开始的，包括了k-means，分层k-means（HKM）聚类，倒排文件的建立和索引等，该代码还提供了局部敏感哈希（LSH）方法。最后，这份代码是下面这篇论文的作者提供的， Indexing in Large Scale Image Collections: Sc

2006年CVPR词袋模型文章的demo(code of 2006 CVPR IEEE word of bag demo)