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。
| FindBook |
|
有 1 項符合
明恆毅的圖書 |
 |
$ 354 電子書 | 自制AI圖像搜索引擎 (電子書)
作者：明恆毅 出版社：人民郵電出版社 出版日期：2022-01-01 語言：簡體中文 規格：普通級  博客來 - 其他程式設計相關
- 來源網頁  看圖書介紹
|
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：自製AI圖像搜索引擎
內容簡介
作者介紹
明恆毅，軟體工程師。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，熱衷於研究前沿軟體技術及思想。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
第1章 從文本搜索到圖像搜索
1.1 文本搜尋引擎的發展
1.2 文本搜尋引擎的結構與實現
1.2.1 文本預處理
1.2.2 建立索引
1.2.3 對索引進行搜索
1.3 搜尋引擎的一般結構
1.4 從文本到圖像
1.5 現有圖像搜尋引擎介紹
1.5.1 Google圖像搜尋引擎
1.5.2 百度圖像搜尋引擎
1.5.3 TinEye圖像搜尋引擎
1.5.4 淘寶圖像搜尋引擎
1.6 本章小結
第2章 傳統圖像特徵提取
2.1 人類怎樣獲取和理解一幅圖像
2.2 電腦怎樣獲取和表示一幅圖像
2.2.1 採樣
2.2.2 量化
2.2.3 數位圖像的存儲
2.2.4 常用的點陣圖格式
2.2.5 色彩空間
2.2.6 圖像基本操作
2.3 圖像特徵的分類
2.4 全域特徵
2.4.1 顏色特徵
2.4.2 紋理特徵
2.4.3 形狀特徵
2.5 局部特徵
2.5.1 SIFT描述符
2.5.2 SURF描述符
2.6 本章小結
第3章 深度學習圖像特徵提取
3.1 深度學習
3.1.1 神經網路的發展
3.1.2 深度神經網路的突破
3.1.3 主要的深度神經網路模型
3.2 深度學習應用框架
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 卷積神經網路
3.3.1 卷積
3.3.2 卷積神經網路概述
3.3.3 經典卷積神經網路結構
3.3.4 使用卷積神經網路提取圖像特徵
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
1.1 文本搜尋引擎的發展
1.2 文本搜尋引擎的結構與實現
1.2.1 文本預處理
1.2.2 建立索引
1.2.3 對索引進行搜索
1.3 搜尋引擎的一般結構
1.4 從文本到圖像
1.5 現有圖像搜尋引擎介紹
1.5.1 Google圖像搜尋引擎
1.5.2 百度圖像搜尋引擎
1.5.3 TinEye圖像搜尋引擎
1.5.4 淘寶圖像搜尋引擎
1.6 本章小結
第2章 傳統圖像特徵提取
2.1 人類怎樣獲取和理解一幅圖像
2.2 電腦怎樣獲取和表示一幅圖像
2.2.1 採樣
2.2.2 量化
2.2.3 數位圖像的存儲
2.2.4 常用的點陣圖格式
2.2.5 色彩空間
2.2.6 圖像基本操作
2.3 圖像特徵的分類
2.4 全域特徵
2.4.1 顏色特徵
2.4.2 紋理特徵
2.4.3 形狀特徵
2.5 局部特徵
2.5.1 SIFT描述符
2.5.2 SURF描述符
2.6 本章小結
第3章 深度學習圖像特徵提取
3.1 深度學習
3.1.1 神經網路的發展
3.1.2 深度神經網路的突破
3.1.3 主要的深度神經網路模型
3.2 深度學習應用框架
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 卷積神經網路
3.3.1 卷積
3.3.2 卷積神經網路概述
3.3.3 經典卷積神經網路結構
3.3.4 使用卷積神經網路提取圖像特徵
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
|
