基于层次化特征学习的图像检索研究综述.docVIP

基于层次化特征学习的图像检索研究综述

一、图像检索技术发展脉络与层次化特征的兴起

图像检索技术的演化始终围绕着特征表达能力的提升展开。早期基于文本的图像检索（TBIR）依赖人工标注的关键词匹配，不仅标注成本高昂，且难以承载图像丰富的视觉语义信息，在百万级以上规模数据集上的检索精度不足40%。20世纪90年代，基于内容的图像检索（CBIR）成为主流技术路线，其核心是提取颜色直方图、SIFT、HOG等人工设计的底层视觉特征，通过特征向量的相似度计算实现检索。这类方法在特定场景下取得了一定效果，但人工特征的表达能力受限于设计者的先验认知，对光照变化、视角偏移、物体形变的鲁棒性较差，在复杂场景下的语义鸿沟问题愈发突出。

2012年AlexNet在ImageNet分类任务上取得突破后，深度学习技术快速渗透到图像检索领域，基于神经网络的特征学习方法逐渐替代传统人工特征。研究者发现，深度神经网络的不同层级天然具有层次化的信息表达特性：低层网络捕捉边缘、纹理、颜色等基础视觉属性，中层网络组合底层特征形成物体局部结构（如车轮、叶片），高层网络则编码抽象语义信息（如“汽车”“树木”的类别概念）。这种从底层到高层逐步递进的特征表达模式，恰好契合了人类视觉系统从感知细节到理解语义的认知过程，为解决图像检索中的语义鸿沟问题提供了新的路径。层次化特征学习的核心思想正是通过建模不同层级特征的关联与融合，兼顾检索