电子书
内容简介
本书所指的图像搜索引擎是基于内容特征的图像检索，也就是通常所说的“以图搜图”来检索相似图片。本书主要讲解了搜索引擎技术的发展脉络，文本搜索引擎的基本原理和搜索引擎的一般结构，详细讲述了图像搜索引擎各主要组成部分的原理和实现，并最终构建了一个基于深度学习的Web图像搜索引擎。
章节目录
- 封面
- 内 容 提 要
- 序
- 前 言
- 资源与支持
- 目 录
- 第1章 从文本搜索到图像搜索
- 1.1 文本搜索引擎的发展
- 1.2 文本搜索引擎的结构与实现
- 1.2.1 文本预处理
- 1.2.2 建立索引
- 1.2.3 对索引进行搜索
- 1.3 搜索引擎的一般结构
- 1.4 从文本到图像
- 1.5 现有图像搜索引擎介绍
- 1.5.1 Google 图像搜索引擎
- 1.5.2 百度图像搜索引擎
- 1.5.3 TinEye 图像搜索引擎
- 1.5.4 淘宝图像搜索引擎
- 1.6 本章小结
- 第2章 传统图像特征提取
- 2.1 人类怎样获取和理解一幅图像
- 2.2 计算机怎样获取和表示一幅图像
- 2.2.1 采样
- 2.2.2 量化
- 2.2.3 数字图像的存储
- 2.2.4 常用的位图格式
- 2.2.5 色彩空间
- 2.2.6 图像基本操作
- 2.3 图像特征的分类
- 2.4 全局特征
- 2.4.1 颜色特征
- 2.4.2 纹理特征
- 2.4.3 形状特征
- 2.5 局部特征
- 2.5.1 SIFT 描述符
- 2.5.2 SURF描述符
- 2.6 本章小结
- 第3章 深度学习图像特征提取
- 3.1 深度学习
- 3.1.1 神经网络的发展
- 3.1.2 深度神经网络的突破
- 3.1.3 主要的深度神经网络模型
- 3.2 深度学习应用框架
- 3.2.1 TensorFlow
- 3.2.2 Torch
- 3.2.3 Caffe
- 3.2.4 Theano
- 3.2.5 Keras
- 3.2.6 DeepLearning4J
- 3.3 卷积神经网络
- 3.3.1 卷积
- 3.3.2 卷积神经网络概述
- 3.3.3 经典卷积神经网络结构
- 3.3.4 使用卷积神经网络提取图像特征
- 3.3.5 使用迁移学习和微调技术进一步提升提取特征的精度
- 3.4 本章小结
- 第4章 图像特征索引与检索
- 4.1 图像特征降维
- 4.1.1 主成分分析算法降维
- 4.1.2 深度自动编码器降维
- 4.2 图像特征标准化
- 4.2.1 离差标准化
- 4.2.2 标准差标准化
- 4.3 图像特征相似度的度量
- 4.3.1 欧氏距离
- 4.3.2 曼哈顿距离
- 4.3.3 海明距离
- 4.3.4 余弦相似度
- 4.4 图像特征索引与检索
- 4.4.1 从最近邻（NN）到K 最近邻（KNN）
- 4.4.2 索引构建与检索
- 4.5 本章小结
- 第5章 构建一个基于深度学习的Web图像搜索引擎
- 5.1 架构分析与技术路线
- 5.1.1 架构分析
- 5.1.2 技术路线
- 5.2 程序实现
- 5.2.1 开发环境搭建
- 5.2.2 项目实现
- 5.3 优化策略
- 5.4 本章小结
展开全部
自制AI图像搜索引擎是2019年由人民邮电出版社出版,作者明恒毅。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《自制AI图像搜索引擎》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
