基于专利绘图图像的特征，本文提出了一个简单轻量级的模型，用于专利检索，在大规模基准测试上表现显著优于其他方法，均值平均精度（mAP）得分提高了 33.5%，进一步实验证明此模型能够精确扩展以达到惊人的 93.5% 的 mAP，此方法在 ECCV 2022 专利图像检索挑战赛中排名第一。

Aug, 2023

本文评估了 2003 年至 2016 年提出的内容检索图像检索算法，并提出了未来研究的几个方向。

Jun, 2017

在研究中，作者通过构建适当的基准来探索 AI 生成图像引起的不可见相关性偏差，这种偏差会使得文本 - 图像检索模型倾向于将 AI 生成的图像排在真实图像之前，然后提出了一种有效的训练方法来缓解这种不可见相关性偏差。

Nov, 2023

我们提出了一种新颖的抽象感知的基于草图的图像检索框架，能够处理不同级别的草图抽象。通过学习抽象感知特征和粒度级别的抽象理解，我们的方法在标准的草图 - 图像检索任务以及早期检索、法医草图 - 照片匹配和风格不变检索等具有挑战性的场景中表现出色。

Mar, 2024

本文研究信息检索领域的图像 - 文本检索模型的可重复性问题，通过预训练和非预训练模型的消融实验证明了先前一些技术提高了检索效果，但仍需要关注影响检索召回率的因素。

Mar, 2022

本文探讨使用通用搜索引擎 (Google) 进行与代码相关的搜索是否是最佳选择。为了分析这个问题，我们从 310 个开发人员收集含有近 150,000 个搜索查询的搜索日志，并基于一个模型将查询进行分类。我们发现与通用非代码搜索相比，代码相关的搜索通常需要更多的努力 (例如时间、结果点击和查询修改)，这表明通用搜索引擎的代码搜索性能不如专门的搜索工具。

Mar, 2018

本文介绍了部署在微软必应中的 Web 规模通用视觉搜索系统，使用分级学习排序框架，基于各种最新深度学习视觉特征，并在分布式异构计算平台上实现，定量和定性实验表明，我们的系统能够支持 Bing 网站和应用程序上的各种应用。

Feb, 2018

在组织学和组织病理学影像档案中搜寻相似影像是一项关键任务，可用于患者匹配，从分类、诊断到预后和预测的各个方面。本文详细分析和验证了四种搜索方法（包括视觉词袋、Yottixel、SISH 和 RetCCL），其算法和结构进行了评估，同时提出需要进一步研究组织病理学图像搜索中准确性和最小存储需求这两个方面的问题。

Jan, 2024

该研究论文研究了视觉定位中图像检索方法对定位性能的影响，并提出了专为定位场景设计的检索方法的需求。通过引入基准测试和多种 “地面真实性” 定义以及针对经典地标检索或地点识别任务的检索效能的分析，探讨了这种影响。

May, 2022

在专利审查中，基于图像的检索系统对于识别当前专利图像与现有技术之间的相似性至关重要，以确保专利申请的新颖性和非显而易见性。我们提出了一种基于语言的、分布感知的多模态专利图像特征学习方法，通过集成大型语言模型，丰富专利图像的语义理解，并通过我们提出的分布感知对比损失来提高在代表性类别中的性能。在 DeepPatent2 数据集上进行的大量实验表明，我们提出的方法在基于图像的专利检索方面取得了最先进或可比较的性能，平均准确率提高了 53.3％，前 10 个检索结果的召回率提高了 41.8％，前 10 个检索结果的 MRR 提高了 51.9％。此外，通过深入用户分析，我们探索了我们的模型在帮助专利专业人员进行图像检索方面的作用，凸显了该模型的实际适用性和效果。

Apr, 2024