当前的图像检索已经由单一的基于文本或内容检索逐步向基于文本、内容、用户倾向以及视觉需求等综合特征的方向发展。并且随着大数据时代到来,基于统计原理的各种机器学习算法得以广泛应用。尤其是基于深度学习的视觉特征以及LTR排序模型的使用,使图像检索技术得到空前的发展。本文介绍基于深度学习的视觉特征的一个重要应用,对视觉相似度特征的基本概念以及相关生成算法做了详细描述,包括其中视觉特征的稀疏矩阵优化方案。然后对视觉相似度特征生成的整个架构支持的基础进行介绍。并详细描述了架构实现的技术点,以及策略算法实现。最后展示了该视觉相似度特征在图像检索系统中的实际应用以及带来的检索效果的提升。之后简要介绍基于深度学习的视觉特征的另外两个应用。视觉相似反馈Outlier策略以及基于CDNN网络的视觉文本特征深度学习。并分小节介绍了两个应用的具体算法步骤以及在实际检索效果中增加收益。这些应用都是基于深度学习的视觉特征的延伸,其中基于CDNN网络的视觉文本特征深度学习,更是对视觉特征产生的方法进行了扩展,将深度学习这种最先进的机器学习思想应用到了LTR排序模型特征的生成上,并取得了成功。