自製 AI 圖像搜索引擎

明恆毅

  • 自製 AI 圖像搜索引擎-preview-1
  • 自製 AI 圖像搜索引擎-preview-2
自製 AI 圖像搜索引擎-preview-1

買這商品的人也買了...

商品描述

圖像搜索引擎有兩種實現方式—基於圖像上下文文本特徵的方式和基於圖像視覺內容特徵的方式。

本書所指的圖像搜索引擎是基於內容特徵的圖像檢索,也就是通常所說的“以圖搜圖”來檢索相似圖片。

本書主要講解了搜索引擎技術的發展脈絡、文本搜索引擎的基本原理和搜索引擎的一般結構,詳細講述了圖像搜索引擎各主要組成部分的原理和實現,並構建了一個基於深度學習的Web圖像搜索引擎。

作者簡介

明恆毅
軟件工程師。長期從事信息系統的設計、開發、管理、運維工作,擅長圖像處理、圖像檢索、搜索引擎、深度學習等領域的理論與技術應用實踐,熱衷於研究前沿軟件技術及思想。曾在其主持研發的視頻監控檢索系統、融合通信智能應答系統等項目中積極運用AI技術,並取得了良好的效果。

目錄大綱

第1章從文本搜索到圖像搜索1 
1.1文本搜索引擎的發展1 
1.2文本搜索引擎的結構與實現2 
1.2.1文本預處理3 
1.2.2建立索引5 
1.2.3對索引進行搜索7 
1.3搜索引擎的一般結構10 
1.4從文本到圖像10 
1.5現有圖像搜索引擎介紹12 
1.5.1 Google圖像搜索引擎12 
1.5.2百度圖像搜索引擎13 
1.5.3 TinEye圖像搜索引擎14 
1.5.4淘寶圖像搜索引擎15 
1.6本章小結16 

第2章傳統圖像特徵提取17 
2.1人類怎樣獲取和理解一幅圖像17 
2.2計算機怎樣獲取和表示一幅圖像18 
2.2.1採樣18 
2.2.2量化19 
2.2.3數字圖像的存儲19 
2.2.4常用的位圖格式20 
2.2.5色彩空間20 
2.2.6圖像基本操作21 
2.3圖像特徵的分類29 
2.4全局特徵30 
2.4.1顏色特徵30 
2.4.2紋理特徵41 
2.4.3形狀特徵67 
2.5局部特徵82
2.5.1 SIFT描述符82 
2.5.2 SURF描述符86 
2.6本章小結88 

第3章深度學習圖像特徵提取89 
3.1深度學習89 
3.1.1神經網絡的發展89 
3.1.2深度神經網絡的突破92 
3.1. 3主要的深度神經網絡模型95 
3.2深度學習應用框架97 
3.2.1 TensorFlow 97 
3.2.2 Torch 98 
3.2.3 Caffe 98 
3.2.4 Theano 98 
3.2.5 Keras 99 
3.2.6 DeepLearning4J 99 
3.3卷積神經網絡99 
3.3.1卷積99 
3.3.2卷積神經網絡概述103 
3.3.3經典卷積神經網絡結構110 
3.3.4使用卷積神經網絡提取圖像特徵130 
3.3.5使用遷移學習和微調技術進一步提升提取特徵的精度134 
3.4本章小結141 

第4章圖像特徵索引與檢索142 
4.1圖像特徵降維142 
4.1.1主成分分析算法降維142 
4.1.2深度自動編碼器降維150 
4.2圖像特徵標準化153 
4.2.1離差標準化153
4.2.2標準差標準化153 
4.3圖像特徵相似度的度量154 
4.3.1歐氏距離154 
4.3.2曼哈頓距離155 
4.3.3海明距離155 
4.3.4餘弦相似度155 
4.3.5杰卡德相似度156 
4.4圖像特徵索引與檢索157 
4.4.1從最近鄰(NN)到K最近鄰(KNN) 157 
4.4.2索引構建與檢索158 
4.5本章小結173 

第5章構建一個基於深度學習的Web圖像搜索引擎174 
5.1架構分析與技術路線174 
5.1.1架構分析174 
5.1.2技術路線175 
5.2程序實現175 
5.2.1開發環境搭建175 
5.2.2項目實現176 
5.3優化策略204 
5.4本章小結205