随着近年来数码相机及智能手机的大规模普及,以及存储设备容量的持续增加,多媒体内容特别是视觉数据呈现出爆发式的增长态势。因而,对于海量的视觉内容,如何进行迅速有效的检索一直是国内外学术与工业界的研究热点。早期的图像检索系统通常使用基于文本的查询方式,通过将用户提供的查询文本与互联网网页内容进行匹配,从而检索到与查询文本相关联的图像。随着计算机视觉技术的发展,基于内容的图像检索(Content-Based Image Retrieval,CBIR)在解析用户查询意图、增强用户体验等方面起到了与文本查询相互补的作用,同时也在商品搜索、地标检索、商标查重等商用场景中起到了突出的作用。深度学习技术在最近几年内呈现出了非常引人注目的研究进展。在图像内容表征方面,基于深度学习的图像表征(简称为深度表征)更是在众多的计算机视觉任务中表现出了优异的性能。而在深度学习的多种模型中,深度卷积神经网络(Convolutional Neural Network,CNN)则尤其擅长于对图像的内容进行抽象与描述,在图像检索领域获得了广泛的关注与深入的研究。不同于传统的图像表征方式,深度表征侧重于对图像进行语义层面的全局表达,通过一个端到端的模型提取图像中的重要信息,并使用紧凑的特征描述对图像内容进行有效的描述。尽管现有的基于深度表征的图像检索方法已经取得了令人瞩目的检索性能,但仍有一系列问题难以克服:(1)不同于传统的基于局部视觉特征的表征方法,深度表征在语义层面对图像进行整体的刻画,因而呈现出对局部细节表征不够突出,且对图像空间位置、几何形变比较敏感的特点;(2)基于局部表征的方法可以利用局部特征之间的空间关系对图像匹配进行几何校验,以实现更加精确的匹配,而深度表征则难以利用这一性质对检索性能进行增强;(3)现有的方法多使用具有人工标注的公共基准数据集对检索算法的性能进行验证,无法实现对任意查询实时响应的检索质量评估,不便于搜索引擎根据需要对检索结果进行修正。针对以上问题,本论文的研究内容围绕着基于深度表征的图像检索技术进行展开,包括如何构造良好的表征方式,如何对检索结果进行性能增强,以及如何对检索结果进行有效的实时评估。论文的创新点包括以下几点:(1)论文提出一种基于通用目标检测技术的深度表征方式,可充分结合深度学习的语义表征能力与图像显著区域的判别能力。首先,本文使用通用物体检测子在图像中检测出少量最有可能包含物体的区域,然后在这些区域中提取深度表征。同时为了对区域中的局部属性进行描述,本文在其中提取局部不变特征,并与深度表征进行融合,可实现更加丰富的图像表征。(2)论文提出在深度表征层面进行数据库增强与查询结果重排序,分别在线下索引阶段与线上查询阶段,以极小的计算与存储开销对检索性能进行增强。在索引阶段,本文利用数据库图像之间的相互关系,通过邻域信息实现无监督的特征更新,使得获得的特征具有更好的检索性能。在查询阶段,本文提出对初始检索结果进行残差表达,充分利用查询特征的邻域信息,对检索结果进行重排序。(3)论文提出一种基于检索结果相关性的方法对检索质量进行自动评估,并实现线上多检索结果选优等应用。对每个检索结果,本文通过其深度表征之间的相关性构造一特征矩阵,并使用卷积神经网络对检索质量进行回归学习。由多种表征方式获得的相关性矩阵可以拼接在一起,实现基于多特征融合的质量评估方法。本文从深度表征出发,分别在特征构造、线下索引、线上重排、质量评估等各方面对图像检索技术进行充分而全面的研究。论文分别从方法层面、实验层面与应用层面对所提出的方法进行阐述与验证,充分证明方法的可靠性与实用性。