基於內容的圖像檢索(Content-based Image Retrieval, CBIR)方法利用從圖像提取的特徵來進行檢索。
常用的圖像特徵主要有顏色、紋理和形狀，包括局部特徵和全局特徵。
局部特徵是基於圖像的某個區域提取的圖像描述符，如尺度不變特徵SIFT(Scale Invariant Feature Transform)。（相當於CNN網絡的淺層卷積部分）；局部特徵通常來自圖片的視覺敏感區域。
全局描述符基於整幅圖像提取的描述符，如GIST。全局特徵對圖像的壓縮率較高，但區分力不強；（相當於CNN網絡的深層卷積部分）；因爲一幅圖片只能生成一個全局特徵
局部特徵的區分力強，但數目太多，故而各種編碼方法被提了出來，如BOF(Bag of Features，特徵袋)，Fisher向量 (Fisher Vectors, FV)，以及VLAD (Vector of Locally Aggregated Descriptors)等。BOF，VLAD，FV等描述符通常繼承了局部特徵的部分不變性，如對平移、旋轉、縮放、光照和遮擋等與語義相關不大的因素保持不變。
卷積層特徵與SIFT相比
有如下特點：
（1）卷積層特徵類似於密集SIFT特徵（通過網格式的密集採樣得到）。卷積層特徵與SIFT一樣是局部特徵，對應了圖片的某個區域（可以將CNN特徵圖上每一個點反向映射回圖片）, 是一種局部特徵。
（2）卷積層特徵是通過學習得到的，SIFT是手工類型。CNN的卷積層參數是可以針對不同的數據集通過迭代訓練調優的，而且可通過簡單的修改進一步改進（如增加深度、寬度等）而SIFT的參數是通過預先的精密設計固定的。
（3）卷積層特徵具有層次性。不同的卷積層具有不同的語義層次，如淺層的特徵圖通常是一些邊/角等，而中層則是物體的一部分,高層則通常是一個完整的物體。選用不同的層將可能達到完全不同的效果，該如何選擇一個最優的層則到目前爲止還沒有一個最優的方法，通常通過測試多層的效果來達到。SIFT在不使用SP的情況下不具有層次性，描述的是邊/角等比較低層次的特徵，這也是爲什麼CCS將SIFT與CNN融合會有效果的原因之一。
（4）CNN卷積層特徵維度比SIFT/SURF等淺層特徵要大得多，而且計算量大，需要GPU輔助才能達到實時的效果，而且因爲要存儲很多卷積層特徵圖的原因，空間開銷也要大得多。對於PC機而言，這不是什麼大問題，然而未來的AI將可能無處不在，CNN在移動平臺上的使用將成爲一個具有挑戰性的問題。隨着類腦計算如火如荼的展開，各種神經處理專用芯片（如中科院陳雲霽等研發的DaDianNao, Google最近研發的TPU等）不斷湧現，此問題或者也將不是問題。