---
title: 总体说明
description: "在图像检索场景，通常使用深度学习算法处理目标等感兴趣的图像，提取出高维特征向量，并将一组感兴趣的图像提取得到的特征向量作为底库，待搜索的特征向量与底库中的向量依次进行相似度计算，按相似度排序返回检索结果。为了进一步降低存储和计算的开销，对浮点型长特征向量进行量化处理、转换为短特征再进行检索比对的技术被广泛应用。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/others/fvsearch/aclpythondevg_01_0822.html
sourcePath: /source/zh/canncommercial/900/others/fvsearch/aclpythondevg_01_0822.html
indexId: ed903d2ee881871022e98ad580774ca380a57a218860349f462c47a0870b95a872
---
# 总体说明

在图像检索场景，通常使用深度学习算法处理目标等感兴趣的图像，提取出高维特征向量，并将一组感兴趣的图像提取得到的特征向量作为底库，待搜索的特征向量与底库中的向量依次进行相似度计算，按相似度排序返回检索结果。为了进一步降低存储和计算的开销，对浮点型长特征向量进行量化处理、转换为短特征再进行检索比对的技术被广泛应用。

AI处理器支持基于硬件加速的PQ短特征检索，提供特征底库的添加/删除接口，特征向量的修改/删除接口、以及执行检索接口，支持长度为32 Byte的短特征向量，支持设置返回TOP结果的数量，支持1:N和N:M检索模式。用户需要自行准备短特征底库，以及生成待检索向量的ADC表，流程如下：

图1 流程示意

检索比对过程示意图如下所示：


ADC表是大小为32KByte的查找表，使用时需要将表的内容以无符号字符的格式传入对应接口。

Atlas 推理系列产品 的特征检索规格如下表所示：


**表1 规格说明**

| 类型 | 规格说明 |
| --- | --- |
| 特征长度 | 32字节（因为数据结构管理开销，每条特征的平均内存开销约为36字节）。 |
| 底库容量 | 最大5亿条（实际值取决于板卡的内存容量）。 |
| 检索比对类型 | 支持1 : N检索，支持N : M检索。 |
| 底库数量 | 1 : N底库最大100万个。 N : M底库最大1个。 |
| 底库容量 | 1 : N每个特征库最大100万条特征。 N : M底库最大1000万条特征。 |
| 检索比对性能 | 每秒50亿次。 5亿底库下可达到10QPS，时延<1秒 |
| 检索返回候选特征数量 | 2~4800 |