本文介绍了阿里巴巴的大规模视觉搜索算法和系统架构，并探讨了在电商环境下如何处理异构的图像数据，在大数据更新中如何处理大规模索引，如何在无大量人工注释的情况下训练有效的深度模型，以及如何通过考虑内容质量来提高用户参与度，最后将所有阶段应用于一个端到端的系统架构，并展示了实验结果。

Feb, 2021

本文提出一种新颖的端到端方法，用于可扩展的视觉搜索基础设施，通过深度学习技术实现对 eBay 大型图像库的视觉搜索，使用监督式方法优化搜索结果，并采用紧凑二进制签名技术，同时保证了满足搜索准确度与精确度的可扩展性。

Jun, 2017

我们设计和实现了一个视觉搜索系统，用于 JD.com 实时图像检索，在分布式分层架构和高效索引方法的支持下，能够支持数百亿个产品图像的实时视觉搜索，并处理频繁的图像更新。该系统可应用于电商等新兴应用领域，并希望分享我们的实践经验，激发中间件社区对于构建实用大规模系统的兴趣和欣赏。

Aug, 2019

本文介绍了如何利用分布式计算平台如 Amazon Web Services 和开源工具，以及一小团队的努力，构建、发布和维护一个成本效益高、大规模的视觉搜索系统，并通过 Pinterest 平台进行了一系列实验，证明了基于视觉搜索的内容推荐可以提高用户参与度，分享构建商用视觉搜索引擎的实现细节和经验，以期更广泛地将视觉搜索引入商业应用。

May, 2015

本文介绍 Generic Object Detection（GenOD）系统，是一个可以在微软 Bing Visual Search 的所有查询中实时检测超过 900 个类别的最大的物体检测系统之一，可提供以物体为中心的信息，并在多种生产场景中表现出色。作者讨论了收集数据、训练、部署和更新此类大规模物体检测模型所面临的挑战。我们展示了 GenOD 相对于多个领域特定模型可以提高 20% 以上的加权平均精度，并通过所提出的不相交探测器训练来将模型更新敏捷度提高近 2 倍。最后，我们展示了 GenOD 如何通过显著提高搜索相关性和用户参与度来改善视觉搜索应用。

Jul, 2021

本文提出了一种统一的端到端方法，用于构建面向电子商务的大规模视觉搜索和推荐系统。我们通过统一的深度卷积神经网络结构，VisNet，来学习嵌入，以捕捉几个语义颗粒度的视觉相似性概念，从而证明了我们方法在 Exact Street2Shop 数据集上的优越性能，为 Flipkart 的 50M 产品目录提供了支持 2K 的视觉推荐查询，从而产生了显著的业务影响。

Mar, 2017

本文介绍了我们基于 Elasticsearch 构建的端到端内容基于图像检索系统。我们提出了一种将图像特征向量编码为字符串令牌的新方法，并使用 Elasticsearch 来检索相似图像，性能表现优异。此系统易于部署、分布、扩展和监控，支持视觉和文本信息联合检索。本文对实现 Elasticsearch 平台的一手经验进行了广泛的讨论，对于有兴趣在 Elasticsearch 上构建视觉搜索引擎的从业者应该具有价值。

Jun, 2018

本研究提出了一种知识库框架，通过构建一个大规模的多模态知识库来回答各种视觉查询，同时保持灵活性和可扩展性。研究表明所提系统能够取得有竞争力的结果，并能够应对更丰富的视觉查询。

Jul, 2015

本文介绍了一种多模式学习排序模型，它将传统特征和来自深度卷积神经网络的视觉语义特征相结合，用于电子商务中的搜索结果排序。在 Etsy 线上商场的大规模实验中，我们验证了多模式表示显著提高了排名质量，并展示了图像信息成功解开了文本模型难以区分的高度不同物品对的面纱。

Nov, 2015

通过自适应多模型框架解决视觉多义性问题，该框架由两个步骤组成：发现和动态选择文本查询，然后使用基于显著性引导的深度多实例学习网络去除异常值并学习用于视觉消歧的分类模型。

May, 2019