图像检索案例-Google图片检索

     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：