首先，您需要获得一个视觉单词词典，或更具体地说：使用k -means聚类对所有图像的SIFT特征进行聚类。 在[1]中，推荐使用例如64或256个群集的粗略群集。

为此，我们必须将所有描述符连接到一个矩阵中，然后可以将其传递给vl_kmeans函数。 此外，我们将描述符从uint8转换为single ，因为vl_kmeans函数要求输入为single或double 。

all_descr = single([sift_descr{:}]);

centroids = vl_kmeans(all_descr, 64);

其次，您必须创建一个分配矩阵，该矩阵的尺寸为NumberOfClusters-by-NumberOfDescriptors ，该矩阵将每个描述符分配给一个群集。 在创建此分配矩阵时，您具有很大的灵活性：您可以进行软分配或硬分配，可以随意使用简单的最近邻居搜索或kd树或其他近似或分层的最近邻居方案。

在本教程中，他们使用kd-tree，因此请坚持以下步骤：首先，必须构建kd-tree。 在找到centroids之后，此操作即centroids ：

kdtree = vl_kdtreebuild(centroids);

然后，我们准备为每个图像构建VLAD向量。 因此，我们必须再次浏览所有图像，并独立计算其VLAD向量。 首先，我们完全按照本教程中的描述创建分配矩阵。 然后，我们可以使用vl_vlad函数对SIFT描述符进行编码。 所得的VLAD向量将具有NumberOfClusters * SiftDescriptorSize的大小，即在我们的示例中为64 * 128。

enc = zeros(64*128, numel(sift_descr));

for k=1:numel(sift_descr)

% Create assignment matrix

nn = vl_kdtreequery(kdtree, centroids, single(sift_descr{k}));

assignments = zeros(64, numel(nn), 'single');

assignments(sub2ind(size(assignments)), nn, 1:numel(nn))) = 1;

% Encode using VLAD

enc(:, k) = vl_vlad(single(sift_descr{k}), centroids, assignments);

end

最后，我们为数据库中的所有图像提供了高维VLAD向量。 通常，您将需要降低VLAD描述符的维数，例如使用PCA。

现在，赋予了新的形象这是不是在数据库中，你可以提取SIFT特征使用vl_sift ，创建具有分配矩阵vl_kdtreequery ，并创建使用该图像的VLAD矢量vl_vlad 。 因此，您不必查找新的质心或创建新的kd树：

% Load image and extract SIFT features

new_image = imread('filename.jpg');

new_image = single(rgb2gray(new_image));

[~, new_sift] = vl_sift(new_image);

% Create assignment matrix

nn = vl_kdtreequery(kdtree, centroids, single(new_sift));

assignments = zeros(64, numel(nn), 'single');

assignments(sub2ind(size(assignments)), nn, 1:numel(nn))) = 1;

% Encode using VLAD

new_vlad = vl_vlad(single(new_sift), centroids, assignments);

[1] Arandjelovic，R.和Zisserman，A.(2013)。 所有关于VLAD。 IEEE计算机视觉和模式识别会议(CVPR)，1578年至1585年。