[ad_1]
Bing通過更好地了解用戶查詢，圖像和網頁之間的關係，使其圖像搜索引擎更加精確。
此外，Bing還通過新的向量匹配，屬性匹配和最佳代表性查詢匹配技術將多粒度匹配引入圖像搜索。
存在 解釋 這些增強功能將如何改善圖像搜索：
「…Bing圖像搜索已採用了許多深度學習技術，可將查詢和文檔都映射到語義空間中，從而大大提高了我們的搜索質量。但是，在許多困難的情況下，用戶搜索具有特定上下文或屬性的對象（例如：{留著鬍子的金髮男人}，{戴玫瑰的女孩的舞蹈服裝}），這是當前搜索堆棧無法滿足的。這促使我們開發出進一步的增強功能。」
這是有關Bing的多粒度匹配的更多信息。
矢量匹配
Bing使用上述「帶玫瑰的女孩的舞蹈服裝」示例，說明了Bing的新矢量匹配用於圖像搜索的工作方式：
「隨著最新的進展，我們結合了BERT / Transformer技術，該技術利用1）預訓練的知識來更好地解釋文本信息…2）注意機制，使圖像和網頁彼此意識地嵌入在一起，從而使嵌入式文檔很好地總結了以下內容：圖片的顯著區域和網頁上的重點。」
屬性匹配
屬性匹配利用一組技術從查詢文檔和源文檔中提取一組對象屬性，並將這些屬性用於匹配。
Bing使用示例查詢「老人游泳圖片」，展示了它如何應用屬性檢測器來提取人的外貌和行為的描述。
「儘管該網頁的文本信息不足，但我們現在能夠從圖像內容及其周圍的文本中檢測出某些類似的屬性。現在，由於查詢和文檔具有相同的屬性，因此可以認為它們是「精確匹配」。
最佳代表查詢（BRQ）匹配
Bing使用最佳代表查詢信息豐富了圖像的元數據。給定圖像的最佳代表查詢是該圖像將獲得良好結果的查詢。
BRQ與用戶查詢類似，這意味著它們可以自然而輕鬆地與傳入查詢匹配。它們通常是網頁主要主題和主要圖像內容的摘要。
賓說，為圖像生成更豐富的BRQ集會帶來更好的搜索結果。