Search_Picture

基于深度学习的图像检索系统

思路

1. 选取图像特征

传统的检索通常采用颜色、形状、纹理、能量等，我们使用深度学习模型（vgg16, resnet50,densenet121）进行特征提取。为了简便，直接用Keras的预训练模型

2. 索引化数据集

对图像库中的每张图片抽取特征，存储在数据库中。为了简便，存到h5文件中

3. 定义相似度

常用的相似性度量有：欧氏距离、曼哈顿距离、闵可夫斯基距离、切比雪夫距离、夹角余弦等。这里采用的夹角余弦。

4. 检索

首先提取测试图片的特征，再与数据库中的向量逐一计算距离，然后排序，取相似度Top3

测试

• index.py: 提取图像库中每张图片的特征向量
• test.py: 给定图片进行索引

To do list

1. 包装成Web/App
2. 性能优化：模型优化、距离计算优化、排序优化

参考链接

• 图像检索系列——利用深度学习实现以图搜图
• Python Numpy计算各类距离
• 实现图像检索系统大概的步骤，需要用到哪方面的知识？