自制AI圖像搜索引擎

第 1章 從文本搜索到圖像搜索 1
1．1　文本搜索引擎的發(fā)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(tǒng)圖像特征提取　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　采樣　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　圖像特征的分類　29
2．4　全局特征　30
2．4．1　顏色特征　30
2．4．2　紋理特征　41
2．4．3　形狀特征　67
2．5　局部特征　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　深度學習圖像特征提取　89
3．1　深度學習　89
3．1．1　神經網絡的發(fā)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征　130
3．3．5　使用遷移學習和微調技術進一步提升提取特征的精度　134
3．4　本章小結　141
第4章　圖像特征索引與檢索　142
4．1　圖像特征降維　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　圖像特征標準化　153
4．2．1　離差標準化　153
4．2．2　標準差標準化　153
4．3　圖像特征相似度的度量　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　余弦相似度　155
4．3．5　杰卡德相似度　156
4．4　圖像特征索引與檢索　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　構建一個基于深度學習的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(fā)環(huán)境搭建　175
5．2．2　項目實現　176
5．3　優(yōu)化策略　204
5．4　本章小結　205