Das Ziel dieser Arbeit ist die Objektretrieval in großen Bilddatensätzen, wobei das Objekt durch eine Bildabfrage spezifiziert wird und die Retrieval-Aufgabe zur Laufzeit sofort erfolgen muss, analog zur Vorgehensweise bei Video Google [28]. Wir leisten folgende drei Beiträge: (i) eine neue Methode zur Vergleichung von SIFT-Deskriptoren (RootSIFT), die eine überlegene Leistung erzielt, ohne die Verarbeitungs- oder Speicheranforderungen zu erhöhen; (ii) eine neuartige Methode zur Abfrageerweiterung, bei der ein reichhaltigeres Modell für die Abfrage diskriminativ gelernt wird und in einer Form strukturiert ist, die eine sofortige Retrieval-Operation durch effiziente Nutzung des invertierten Index ermöglicht; (iii) eine Verbesserung der von Turcot und Lowe [29] vorgeschlagenen Methode zur Bildaugmentation, bei der nur jene zusätzlichen Merkmale beibehalten werden, die räumlich konsistent mit dem erweiterten Bild sind. Wir evaluieren diese drei Methoden an mehreren Standard-Benchmark-Datensätzen (Oxford Buildings 5k und 105k, sowie Paris 6k) und zeigen erhebliche Verbesserungen der Retrieval-Leistung bei gleichzeitiger Aufrechterhaltung der sofortigen Retrieval-Geschwindigkeit. Die Kombination dieser komplementären Ansätze erreicht eine neue State-of-the-Art-Leistung auf diesen Datensätzen.