本研究の目的は、大規模な画像データセットにおけるオブジェクト検索であり、検索対象のオブジェクトは画像クエリによって指定され、実行時において即時な検索が可能であることが求められる。これはVideo Google [28] の手法と同様のアプローチを採用する。本研究では以下の3つの貢献を行う：(i) 計算量および保存領域の増加なしに優れた性能を達成するSIFT記述子の比較手法（RootSIFT）；(ii) クエリ拡張のための新規手法であり、インバーテッドインデックスを効率的に活用することで、即時検索に適した形で、判別的にクエリのより豊かなモデルを学習する；(iii) TurcotとLowe [29] が提案した画像拡張手法の改善であり、拡張された画像と空間的に整合性を持つ特徴のみを保持する。これらの3つの手法は、標準的なベンチマークデータセット（Oxford Buildings 5kおよび105k、Paris 6k）上で評価され、即時検索速度を維持しつつ、検索性能の顕著な向上を示した。これらの補完的な手法を統合することで、これらのデータセットにおいて新たな最先端の性能を達成した。