细粒度视觉检索不同于传统的视觉检索,需要更加精细的反馈结果。作为一个新兴的研究领域,细粒度视觉检索面临以下几个方面的挑战:首先,细粒度视觉检索中不同类之间的差异非常小,细粒度视觉检索需要区分目标物体与之间的一些细微差别,而该问题的解决需要高分区分度的度量学习方法及强表述力的特征描述方法。其次,同类目标物体由于拍摄时间和地点的差异导致同类个体之间较大的表观差异,而细粒度视觉检索需要能过滤这样的表观差异而生成近似的特征描述,以达到高的细粒度视觉检索精度。此外,当前主流的度量学习的学习方法中,损失函数的计算存在时间和空间复杂度较高的问题,导致训练过程非常耗时耗力。最后,细粒度视觉检索方法还存在带有精确标注信息的样本数据不足的问题。细粒度视觉检索需要大量带有精确定位信息标注的样本而当前此类样本数据严重缺失。针对当前细粒度检索方法存在的上述问题,本文提出了一个针对于细粒度视觉检索的统一框架,并基于该框架展开深度度量学习和基于弱监督的特征表示学习等相关研究。本文的主要创新点包括:1)提出了一种基于中心点排序的损失函数,与传统深度度量学习损失函数不同,基于中心排序的损失函数利用中心点进行参数更新,不仅提高了特征的区分度和泛化能力,同时也降低了算法的计算复杂度,针对相同批次的图片输入,基于中心排序损失函数的训练过程比基于采用其他损失函数的训练在训练速度上提升了 1000多倍,大大提高了训练效率,使得该方法具有更好的实用性。2)提出了一种基于弱监督的特征抽取方法,该方法首先利用高层神经网络的统计信息来完成对目标物体的初步定位,然后利用混合高斯模型与最大最小图割算法对初步定位后的目标物体进行精细化操作,利用精细化定位信息对特征进行筛选与聚合,从而得到具有高泛化能力及高区分度的特征。本文在多个相关的细粒度视觉检索数据集上进行了仿真实验,通过与当前其他主流方法的比较可以发现:在相同条件下,本文提出的方法在检索精度和训练速度上远远的超过了当前其他主流细粒度视觉检索方法。