深度学习在组合图像检索中的应用综述

王 治浩, 周 新*
大连海事大学

摘要

图像检索作为计算机视觉与信息检索交叉的重要研究领域，近年来在深度学习技术的驱动下迎来了显著的发展。
传统方法依赖手工设计的特征提取手段，往往在面对大规模数据时暴露出适应性不足与表达能力受限的短板。而深度学习
的出现，通过自动特征学习和端到端的训练方式，为这一领域带来了深刻的变革。其中，卷积神经网络凭借其强大的特征
提取能力，成为技术革新的核心支柱。与此同时，近年来兴起的 Transformer 架构、哈希编码技术以及注意力机制等新方法，
进一步推动了检索精度与效率的提升。本文特别关注“组合图像检索”这一新兴研究方向，探讨了 CNN 与 Transformer 在
处理局部细节和全局语义特征时的独特优势。此外，通过多模态特征融合以及深度学习与传统方法的结合，检索性能得以
显著增强。然而，当前应用仍面临若干挑战：对大规模标注数据的依赖性、计算资源的高消耗，以及模型解释性不足等问
题不容忽视。展望未来，随着轻量级模型设计和自监督学习等技术的不断成熟，这些难题有望逐步破解，从而推动图像检
索技术迈上新的台阶。这一领域的持续探索，不仅体现了学术研究的深度，也预示着广阔的应用前景。

关键词

图像检索；深度学习；组合图像检索；特征提取；CNN；Transformer；多模型融合；自监督学习

参考

[1] 甄俊杰 , 应自炉 , 赵毅鸿 , 等 . 深度学习和迭代量化

在图像检索中的应用研究 [J]. 信号处理 , 2019(5):7.DOI:CNKI:

SUN:XXCN.0.2019-05-025.

[2] 贺周雨、冯旭鹏、刘利军、黄青松 . 面向大规模图

像检索的深度强相关散列学习方法 [J]. 计算机研究与发展 ,

2020, 57(11):14.DOI:10.7544/issn1000-1239.2020.20190498.

[3] 张凯 , 姚宇 , 伍岳庆 , 等 . 深度哈希算法在心脏超声

图像检索中的应用 [J]. 计算机应用 , 2019, 39(S02):6.DOI:CNK

I:SUN:JSJY.0.2019-S2-015.

[4] 刘萌 , 齐孟津 , 詹圳宇 , 等 . 基于深度学习的图像 -

文本匹配研究综述 [J]. 计算机学报 , 2023, 46(11):2370-2399.

DOI:10.11897/SP.J.1016.2023.02370.

[5] 彭晏飞 , 宋晓男 , 武宏 , 等 . 结合深度学习与相关反

馈的遥感图像检索 [J]. 中国图象图形学报 , 2019(3):15.DOI:C

NKI:SUN:ZGTB.0.2019-03-010.

[6] 赖心瑜 , 陈思 , 严严 , 等 . 基于深度学习的人脸属性

识别方法综述 [J]. 计算机研究与发展 , 2021(012):058.

[7] 方潜生 , 李惠 , 苏亮亮 , 等 . 基于 HOG 与深度特征

融合的草图 - 图像检索 [J]. 计算机仿真 , 2023, 40(8):258-263.

DOI:10.3969/j.issn.1006-9348.2023.08.050.

[8] 苗壮 , 赵昕昕 , 李阳 , 等 . 基于 Swin Transformer 的

深度有监督哈希图像检索方法 [J]. 湖南大学学报 : 自然科学

版 , 2023, 50(8):62-71.

[9] 李志义 , 许洪凯 , 段斌 . 基于深度学习 CNN 模型的

图像情感特征抽取研究 [J]. 图书情报工作 , 2019, 63(11):12.

DOI:10.13266/j.issn.0252-3116.2019.11.011.

[10] 万方 , 强浩鹏 , 雷光波 . 自监督深度离散哈希图像

检索 [J]. 中国图象图形学报 , 2021, 026(011):2659-2669.

[11] 崔少国 , 熊舒羽 , 刘畅 , 等 . 基于深度哈希卷积神经

网络的医学图像检索 [J]. 重庆理工大学学报（自然科学版）,

2020(008):034.

[12] DUAN Wenjing,CHEN Shaoping. 具 备 高 层 语 义 特

征的离散哈希图像检索算法 [J]. 计算机工程与应用 , 2019,

55(13):6.DOI:10.3778/j.issn.1002-8331.1804-0057.

[13] 单连平 , 窦强 . 基于深度学习的海战场图像目标识

别 [J]. 指挥控制与仿真 , 2019, 41(1):1-5.

[14] 彭金喜 , 苏远歧 , 薛笑荣 . 基于深度学习和同生

矩阵的 SAR 图像纹理特征检索方法 [J]. 计算机科学 , 2019,

46(B06):5.DOI:CNKI:SUN:JSJA.0.2019-S1-040.

[15] Chen W, Liu Y, Wang W, et al. Deep learning for

instance retrieval: A survey[J]. IEEE Transactions on Pattern

Analysis and Machine Intelligence, 2022, 45(6): 7270-7292.

[16] Liu P, Guo J M, Wu C Y, et al. Fusion of deep learning

and compressed domain features for content-based image

retrieval[J]. IEEE Transactions on Image Processing, 2017, 26(12):

5706-5717.

[17] Khayyat M M, Elrefaei L A. Manuscripts image retrieval

using deep learning incorporating a variety of fusion levels[J].

IEEE Access, 2020, 8: 136460-136486.