大家好，这里是【来一块葱花饼】，这次带来了图像检索快速入门的技术分享，欢迎关注，与你分享~
感兴趣的同学，看完本文后，也可以看看我的一篇综述解读，更加全面，图像检索｜经典论文阅读｜快速入门｜综述学习
一.概述
1.图像检索就是以图搜图
2.主要分为两类。
第一个是追求所谓的相似，也就是从gallery里去找到相似或者相同的，常见的人脸识别，行人再识别，商品检索，草图检索，都是属于这个范畴，目前的深度学习方法，更多的就是追求如何获得更好的feature，这些领域，其实方法都是可以通用。
第二个就是传统领域需要做的一个match的问题，即如果某个建筑在一张图里出现，假使其在另外一张图里只出现一半，或者在某个角落里出现，能否再次找到。如果直接采用cnn特征，很有可能找到的轮廓相似的建筑物，而非相同的建筑物。这种情况下，一般是切成patch再分别抽特征，当然后面faster rcnn出来之后，可以在最后的feautre map上直接划分。也可以对feature map的特征做vlad或者fv的编码再检索。一般论文里的标题都是CBIR，instance retrieval这种。
3.图像检索有基于内容的检索（nlp）、也有基于图像的检索（cv），我们讨论的是cv
4.图像检索近些年没有什么进展，但是一直有人做。
二.图像检索sota模型
来自paperswithcode.com：
三.相关博客
迄今为止（2020年），图像检索(Image Retrieval)领域历年来都有哪些优秀的研究工作呢？ - WALL-E的回答 - 知乎
另外，还有一篇很好的综述：SIFT Meets CNN:A Decade Survey of Instance Retrieval–2017年发表
码字不易，都看到这里了不如点个赞哦~
这里是【来一块葱花饼】，你的点赞+收藏+关注，就是我坚持下去的最大动力~
