从20世纪70年代开始，有关图像检索的研究就已开始，具体方向包括基于文本的图像检索技术（Text-based Image Retrieval，TBIR）和基于内容的图像检索（Content-based Image Retrieval，CBIR）。其中TBIR利用文本描述的方式描述图像的特征，如绘画作品的作者、年代、流派、尺寸等来检索图像，CBIR利用图像的颜色、纹理、布局等进行内容分析来检索图像。
电商图像具备的时尚元素，主要可以按照类别进行划分在电商平台（淘宝、京东、拼多多）拥有海量的商品图像信息，如果采用TBIR的技术思路，则需要在检索之前需要对海量的图片进行语义属性的标注，这种标注有主观性偏差。CBIR不需要人工标注，且可以根据数据内容进行有效理解，也是现有电商「以图搜图」业务的主要技术路线。
电商商品检索：通过对电商图像进行特征提取，获得特征表示，进行相似性度量，度量学习，根据相似性排序，得到检索结果。
淘宝图像检索逻辑，基本上包括图像向量化处理、向量索引和向量检索几个步骤。
图像检索重难点
- 检索商品背景杂乱：现有电商图像拥有的商品类别较多，且商家广告和商品非主体信息都会影响检索精度。因此需要尝试使用目标检测（比如Faster-RCNN）RPN定位感兴趣的区域，然后在进一步地学习特征比较相似度。
- 类内差异性与类间相似性：现有电商图像类别内差异较小，利用使用特征之间的余弦距离很难区分具体类间差异。因此需要尝试加入底层特征的语义信息，并与高层特征信息加权，对底层和高层语义特征兼顾。
- 特征大小和检索速度：特征是一个高纬矢量，维度越高信息越多，但带来的检索速度也会下降。因此需要对特征进行量化或者降维操作，以此来提升检索的速度。或 通过识别目标主体的品类，使得在检索时可以在该类别的数据子库进行搜索，提升检索的效果与效率。