与传统物体检索相比,实例级图像检索有一系列难点,如:相同类别之间差异大(例如,光照,旋转,遮挡,裁剪等),类别与类别之间差异不大(可口可乐瓶与雪碧瓶),图像含有大量的干扰信息(如背景图像)以及有大量的未经标注的干扰图像等。最近的进展表明,卷积神经网络(CNN)可以提供了一个比传统方法更加优秀的图像特征表示方法。但是,卷积神经网络从整个图像中提取的特征包含大量的干扰信息,会导致检索性能达不到预期效果。为了解决这个问题,本文提出了两种解决方法。一是一种基于FasterRCNN检测的用于实例级图像检索的方法,它有两个阶段,即Faster R-CNN离线训练和在线实例检索。首先,训练FasterR-CNN模型以定位物体所在的区域。然后,提取物体所在区域的CNN特征并将这些特征融合成图像的整体特征,最后通过计算整体特征之间的欧式距离来得到检索结果。本文分别在INSTRE和Oxford数据集上进行了实验,实验结果验证了本文方法的有效性。二是一个新的实例级图像检索框架。该框架由两个阶段组成。首先,本文通过区域提议网络(RPN)去检测图像,将其检测结果输入双损失正则化三连体网络(DLRTN)。其次,通过计算排名子网络和分类子网络的损失函数,并利用计算结果来优化该网络。然后,本文引入区域广义均值池化(RGMP)层,对来自双损失正则化三连体网络输出的特征映射进行池化并产生区域广义卷积激活(R-GAC)作为全局图像表示。最后,通过在图像检索数据集的实验证明了本文所提出的图像检索框架的有效性。