个人感觉短时间内图片搜索不可能达到文字搜索的准确度。相比于文字来说，图像搜索的难度主要来自于两方面:1.图片的信息量非常之大，因此通常情况下你很难找到精简地方式来描述它。2. 更难的问题来自于图片本身的属性。它本质上只是物体本身形态的一个瞬间，因此在不同的光照，拍摄角度及物体姿态下会有完全不同的内容。

即使是这样，现在的技术对于最高票答案描述的反式图像搜索（找到完全相同的图片）已经解决得很好了，这一种其实是图片搜索中最容易解决问题。

第二种是平面物体识别，比如海报，杂志等等。这些物体的形态变化不会太大，并且是二维物体，因此识别的难度也不大。

第三种就是实际中的三维物体识别。这才是大家真正希望使用的功能，无论看到什么感兴趣的东西，只要照个相，立马就能找到答案。然而以当前的技术离这个目标还有相当的距离。比如题主提到的衣服搜索，衣服在人躺、坐、卧时形态差别非常之大。

个人以为在未来几年内图片搜索的市场主要在于细分领域以及企业定制。