A Decade Survey of Content Based Image Retrieval using Deep Learning 论文链接：https://arxiv.org/abs/2012.00641 20页综述，共计234篇参考文献！本文对基于内容的图像检索（CBIR）在过去十年中（2011-2020）基于深度学习的发展进行了全面的调研，分别从不同的监督，不同的网络，不同的描述符类型和不同的检索类型进行分类和性能分析！作者单位：印度信息技术研究所

基于内容的图像检索（CBIR）旨在针对查询图像从大规模数据集中找到相似图像。通常，查询图像和数据集图像的代表性特征之间的相似性用于对图像进行排序以进行检索。早期，已经根据表示图像的视觉线索（例如颜色，纹理，形状等）研究了各种手工设计的特征描述符。然而，十年来，深度学习已成为手工设计特征工程的主要替代方法。它从数据中自动学习功能。本文对基于内容的图像检索在过去十年中基于深度学习的发展进行了全面的调研。为了更好地了解进度，还从不同角度对现有的最新方法进行了分类。本调查使用的分类法涵盖不同的监督，不同的网络，不同的描述符类型和不同的检索类型。还使用最先进的方法进行性能分析。还提供了这些insight，以使研究人员可以观察进展并做出最佳选择。本文中提出的调研将有助于进一步研究使用深度学习进行图像检索。

内容中包含的图片若涉及版权问题，请及时与我们联系删除