以图搜图综述

典型的以图搜图系统所拥有的基础框架：
 
online部分，其中特征提取（query）和offline的特征提取（database）需要保持高度的一致性。
以图搜图技术需要根据不同的使用场景来选择合适的技术方案，尤其是特征的选择。

 

特征层面：
特征类型对检索效果影响很大；但特征的学习方式，尤其是引入度量学习的思路之后，即便是同一个网络的同一层特征，不同的训练方式对最后的精度也会有很大的影响。

检索引擎：
CNN卷积特征+VLAD+PQ量化的方案

以图搜图是工程+算法的结合，架构演进
理想状态下的以图搜图架构，需要尝试去解决的几个问题：
1. 如何解决检索库动态增加的问题；
2. 如何解决全量的特征迭代的问题，也就是说query和database的特征需要同步；
3. 特征增强，在检索结构确定的情况下获得更好的检索效果；
4. 高并发低延迟；
https://zhuanlan.zhihu.com/p/65306548

CBIR论文总结
https://github.com/willard-yuan/awesome-cbir-papers