如何做CBIR/反向图像搜索系统

Question

我需要创建一个反向图像搜索引擎。 这个想法和谷歌图片一样，你放一张图片，引擎会返回最相似的图片。

我做了一些关于基于内容的图像检索的研究，并找到了实现这一结果的过程。

1. 处理所有图像以提取特征。
2. 索引功能以实现快速检索。

我对从图像中提取特征的技术有一些疑问。我找到了一些关于使用特征检测器（SIFT/SURF/ORB）的文档，以及其他关于使用 CNN 提取特征向量的文档。

最好的解决方案是什么？ CNN 似乎更快更容易快速入门，但我自己没有训练 CNN 的硬件（我的数据库中可以有非常相似的图像）。

我想我总共会有10k-200k张图片。

索引提取的特征的好方法是什么？我查看了 Elasticsearch dense_vector 字段，看起来不错，但我担心内存需求。 （使用 Caltech101 数据集，索引是图像本身的两倍）

我还查看了 annoy、milvus 和 qdrant。哪个指标体系最好？