在圖像檢索，分類中，採用機器學習的方法是常見的，其基本流程是1圖像特徵計算 2 特徵降維(有無監督)3 分類器分類 或(匹配)。那麼其特徵是最底層。有些想金字塔的塔底，也是維數最高的。那麼圖像特徵如何得到呢？現行方法有如下幾種(總結不全請各位大蝦補充了)
1 手工設計 ，比如形狀有關的HOG,GIST 紋理有關的LBP MLBP 顏色有關的顏色直方圖。這些形成了高緯度空間
2 學習特徵1 - 深度學習。這個是個熱門的東西了，大家懂得，在網上隨便搜都可以找到，這個深度學習，主要是仿照人眼的視覺特徵，完成從圖像到分類(擬合)的一次性過度。呵呵，細節就不在這裏多說了。用興趣的童鞋可以參考NY大學，多倫多大學，等大牛的基礎性文章，CNN，RBN 等
3 屬性特徵，這個是一個有趣的東西，而且是和人的可以表達的認知有關的東西，比如說人臉吧，你可以通過很多屬性來完整描述一個人臉，如是男人，亞洲的，有鬍子，帶帽子，很性感等待。這些東西在搜索中被稱爲關鍵詞。關鍵詞的建立，可以直接將搜索的問題轉化爲文本檢索的問題。這是一個很好的跨度啊。
那麼這裏有一個問題了，如何從圖像到可以描述的屬性呢，對了。一定有童鞋知道，可以是一種分類器的學習了，OK。
那麼對於一些屬性是比較意義的，如很紅，很黑等，這個如何映射呢？呵呵，沒問題，一個大牛寫了文章Relative Attribute,獲得的Marr Prize的。
屬性完成了，就比較吧，呵呵，各位彆着急。還有問題沒有解決呢。關於空間是否可以想混轉化呢？他們的度量是否一致呢？這是融合的問題。關於這個融合的問題，EVT方法(Extreme Value Theory)可以爲你開闢道路。
好了，各個東西都到位了。可以開始比較了。