案例实践-基于OpenCV实现pHash算法
从20世纪70年代开始,有关图像检索的研究就已开始,当时主要是基于文本的图像检索技术(Text-based Image Retrieval,简称TBIR),利用文本描述的方式描述图像的特征,如绘画作品的作者、年代、流派、尺寸等。到90年代以后,出现了对图像的内容语义,如图像的颜色、纹理、布局等进行分析和检索的图像检索技术,即基于内容的图像检索(Content-based Image Retrieval,简称CBIR)技术。CBIR属于基于内容检索(Content-based Retrieval,简称CBR)的一种,CBR中还包括对动态视频、音频等其它形式多媒体信息的检索技术。
百度的以图搜图,阿里的拍立淘等都是经典的应用。同时在人脸识别,无人驾驶等领域,图像检索无疑是一个重要的内容。所以对于学习机器视觉的同学必须要学习图像检索
安防领域的人脸识别:
本课程从0开始,循序渐进的讲解了图像检索的基本技术:通过了多个实践案例完成课程学习,完成0-1过程,为后续项目打下铺垫
1.图像检索概述与应用场景介绍
1.案例分析:阿里巴巴的以图搜图原理
2.案例分析:Google引擎上的以图搜图原理
2.图像检索的基本方法:TBIR,CBIR
3.图像检索的基本流程介绍
1.图像预处理流程:增强、旋转、滤波等
2.图像特征提取:SIFT,SURF,CNN等
3.图像数据库建立
4.抽取检索图像特征,构建特征向量:pHash感知算法,
5.设计检索模块,包含相似性度量准则,排序,搜索等
6.返回相似性较高的结果
4.案例分析:阿里巴巴以图搜图技术架构与原理实现
5.图像检索面临的挑战
1.图像光照变化
2.尺度变化
3.视角变化
4.遮挡
5.背景混乱
6.仿射变换
6.实践案例:
1.基于OpenCV实现图像SIFT实现行人特征提取
2.基于OpenCV实现余弦人脸相似度图像比对
3.基于OpenCV实现深度学习CNN交通图像特征提取
4.基于OpenCV实现图像pHash检索算法
..
课程代码演示:
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲
- 第一章 图像检索概述与应用场景介绍
- 1-1试看 图像检索概述04:18
- 1-2图像检索案例-拍立淘02:57
- 1-3图像检索案例-Google图片检索02:41
- 1-4开发环境准备与Anaconda3安装06:48
- 1-5图像检索项目实现流程06:09
- 第二章 图像检索功能模块-图像特征提取
- 2-1SIFT特征提取原理介绍14:53
- 2-2案例实践-基于OpenCV实现基于SIFT特征的行人特征提取06:09
- 2-3基于深度学习的图像特征提取的背景介绍03:41
- 2-4基于预训练的卷积神经网络进行图像特征提取原理说明18:03
- 2-5案例实践:基于Keras预训练VGG16模型进行特征提取08:23