一、简述
上一篇，基于内容的图像实例检索综述。
/mp_blog/creation/editor/131415155/mp_blog/creation/editor/131415155一种方案是，为分类任务而进行大规模训练的DCNN直接充当图像检索任务的现成特征检测器，也就是说，可以提出在DCNN的基础上进行图像检索，DCNN被训练用于分类，并且其预先训练的参数被冻结。
这种方法有局限性，最根本的是任务之间存在模型转移或领域转移的挑战，这意味着为分类训练的模型不一定能提取出非常适合图像检索的特征。特别是，只要特征保持在分类边界内，分类决策就可以成功，然而，来自这样的模型的特征可能显示出不足的检索能力，其中特征匹配本身比分类更重要。
下面将介绍为提高特征表示质量而制定的策略，特别是基于特征提取/融合和特征嵌入/聚合。
