特征向量是什么：图像搜索为什么不逐个像素比对

上一篇笔记从「拍张照片找同款」聊到图像搜索的入门概念，这篇往里走一步，讲清一个核心问题：计算机判断两张图片「像不像」，到底在比什么？

为什么不直接比像素

最直觉的办法是把两张图片逐个像素对齐比较。问题很明显：同一件衣服，换个角度、换个光线、离镜头远一点，像素层面几乎处处不同；反过来，两件完全不同的衣服，如果构图和色调接近，像素差异可能反而不大。

也就是说，像素记录的是「光怎么落进传感器」，不是「图里是什么」。找同款要比的是后者。

特征向量：把「像不像」变成算距离

深度学习模型会把一张图片压缩成一串数字，也就是特征向量。可以把它理解为图片的「语义指纹」：款式、版型、纹理、颜色分布这些决定一件商品「是什么」的信息被编码进向量里，而角度、光线这类干扰因素被尽量过滤掉。

于是判断相似度就变成了一个数学问题：两个向量在空间里离得越近，两张图片就越像。常用的度量是余弦相似度和欧氏距离。原本模糊的「像不像」，变成了可计算、可排序的「距离有多近」。

海量图库为什么还能毫秒级返回

电商图库动不动是亿级图片。如果每来一张查询图，都要和库里每一张算一遍距离，速度根本扛不住。

实际系统分两步走：

1. 离线建库：商品图片提前逐张提取特征向量，建好向量索引存进库里，这一步在用户搜索之前就完成了；
2. 在线查询：用户上传图片后，只需提取一次特征，再通过向量索引（近似最近邻搜索）快速圈出最接近的一批候选，按相似度排序返回。

索引的本质是拿一点点精度换速度：不保证把全库每一张都比过，但保证在毫秒级返回足够好的结果。再配合入库时打好的品类等标签先收窄范围，精度和速度可以兼得。

效果好不好，取决于什么

从学习和实践中总结，影响找同款效果的主要是四点：特征模型本身的好坏、图库图片的质量与规模、查询图的主体是否突出清晰、标签是否规范。这也解释了为什么同一项技术，在不同平台上的体验差距可以很大——模型之外，图库运营同样是功夫。

小结

图像搜索的核心链条可以归纳为一句话：用特征向量把图片变成可计算的语义指纹，用向量索引让海量检索快起来。理解了这一层，再去看各家云服务提供的图像搜索 API（比如创建实例、添加图片打标签、上传图片搜索这套流程），就能明白每一步在整条链路里处于什么位置。

下一篇打算结合一个具体的应用实践，聊聊商家侧从建库到上线一个「拍照找同款」功能的大致路径。