“以圖搜圖”正式的名稱(chēng)應該叫“相似圖像搜索引擎”，也稱(chēng)為“反向圖片搜索引擎”。最初的圖像搜索引擎是基于文本關(guān)鍵字檢索的。早期的Altavista、Lycos等搜索引擎正是利用圖像的文件名和路徑名、圖像周?chē)奈谋?，以及Alt標簽中的注釋索引和搜索相關(guān)圖像的。從本質(zhì)上來(lái)說(shuō)，這樣的圖像搜索引擎其實(shí)還是基于文本搜索引擎的。有時(shí)圖像周邊的這些文本信息和圖像并沒(méi)有關(guān)系，會(huì )造成搜索出來(lái)的部分圖像結果和查詢(xún)關(guān)鍵詞并不一致。為了避免這種問(wèn)題，有些搜索引擎采用人工的方式對圖像進(jìn)行標注索引。雖然人工標注保證了搜索引擎的查準率，但是它限制了圖像索引的規模，不可能有很好的查全率。而有時(shí)，圖像的內容是很難用幾個(gè)關(guān)鍵詞就能完整描述出來(lái)的。在某種情況下，無(wú)論是利用圖像網(wǎng)頁(yè)相關(guān)文本信息，還是人工標注文字說(shuō)明，都很難做到較高的搜索準確度。

1992年，T. Kato提出了基于內容的圖像檢索（CBIR）的概念，它使用圖像的顏色、形狀等信息作為特征構建索引以實(shí)現圖像檢索，即我們通常所說(shuō)的“以圖搜圖”。基于這一概念，IBM開(kāi)發(fā)了第一個(gè)商用的CBIR系統QBIC（Query By Image Content），用戶(hù)只需輸入一幅草圖或圖像，便可以搜索出相似的圖像。同一時(shí)期，很多公司也將這一技術(shù)引入搜索引擎。哥倫比亞大學(xué)開(kāi)發(fā)的WebSEEK系統不僅提供了基于關(guān)鍵詞的圖像搜索和按照圖像類(lèi)目的主題瀏覽，還可以利用圖像的顏色信息進(jìn)行基于內容的圖像搜索。Yahoo的ImageSurfer也提供了使用例圖的顏色、形狀、紋理特征，以及它們的組合來(lái)進(jìn)行基于內容的圖像搜索功能。隨著(zhù)視覺(jué)技術(shù)的進(jìn)步和發(fā)展，越來(lái)越多的搜索引擎采用這一方式來(lái)進(jìn)行圖像搜索，并在此基礎上不斷演進(jìn)。

早期曾使用過(guò)“以圖搜圖”方式進(jìn)行圖像搜索的讀者可能會(huì )有這樣的印象，這種圖像搜索方式在返回的結果的準確度往往不太令人滿(mǎn)意。為此，很多視覺(jué)研究人員、圖像技術(shù)開(kāi)發(fā)者不斷提出新的圖像特征表示算法。雖然準確率在一點(diǎn)點(diǎn)提高，但是并未根本性地解決準確度問(wèn)題。這究竟是什么原因呢？原因在于無(wú)論是圖像的顏色、紋理、形狀這些全局信息，還是后來(lái)的SIFT等局部圖像信息，都是人為設計的硬編碼，還不能完整地表達人類(lèi)對整幅圖像內容的理解。

那圖像搜索的準確率還能提高嗎？隨著(zhù)人工智能（特別是深度學(xué)習理論和技術(shù)）的發(fā)展，人們逐步找到了解決方案。深度學(xué)習技術(shù)極大地提高了圖像表達的準確性。諸多主流圖像搜索引擎紛紛引入了深度學(xué)習算法來(lái)提高圖像搜索的準確率。

如今我們日常使用的百度、搜狗等通用搜索引擎均提供了相似圖像檢索功能。淘寶、京東等電商平臺也利用自己龐大的商品圖像庫開(kāi)發(fā)了垂直領(lǐng)域內的圖像檢索功能來(lái)滿(mǎn)足消費者們不易用文字描述的商品搜索需求。有更多的創(chuàng )業(yè)公司在各自的領(lǐng)域內使用相似圖像搜索技術(shù)來(lái)滿(mǎn)足形形色色圖像檢索需求，服務(wù)于更多的行業(yè)和消費者。

雖然圖像檢索技術(shù)已廣泛應用于我們的生活當中，但目前這一技術(shù)還未完全成熟，仍有許多問(wèn)題需要解決，改進(jìn)和提高的空間還很大。搜索的結果和用戶(hù)的期望還有一些距離，存在一定的圖像語(yǔ)義鴻溝。這也是從事這項技術(shù)研究與開(kāi)發(fā)的人員不斷進(jìn)步的源動(dòng)力。