CNN for image retrieval

CNN for Image Retrieval

博文：Image retrieval using MatconvNet and pre-trained imageNet，对应web演示主页picSearch。

编译matconvnet：

先装vs，再装matlab（若顺序装反，则会报错，matlab找不到vs的路径，如果你能把路径设置好，也可以随意顺序安装），我的vs版本是vs2012。把matlab的目录设定在X:\matconvnet-1.0-beta10下，然后在matlab命令窗口中输入：addpath matlab，回车，在输入：vl_compilenn，回车进行CPU版的编译（GPU稍微麻烦，可在网上查阅具体编译方法），编译成功后会在matlab文件夹下生成一个mex文件夹，有4个mexw64文件和一个build文件夹，这样就把matconvnet配置好了。

在执行extractCNN.m 的时候，可能会报错，这时候，需要把 weights 改为 filters，因为vggnet 的模型里面用的是filters，而不是weights，其实意思是一样的。。。

注意：鉴于MatConvNet只能在Matlab 2014及其以上以及系统必须是64位，所以在使用此工具箱之前得满足这两个条件。如果是Pythoner，推荐使用flask-keras-cnn-image-retrieval，纯Python，非常易于写成在线图像搜索应用。

示例：Caltech-256图像数据库

Caltech-256图像数据库上搜索结果

运行步骤

1). 如果不需要计算mAP的话，那就直接把你的图像库文件夹名字命名为database，并将图片全部放在放在database文件夹下即可。如果你要在后面计算MAP（平均检索精度）的话，要确保图像数据库做成文件夹databaseClassified中的形式，然后执行下面命令：

python movefiles.py

2). 接着便可以抽取特征。运行extractCNN.m，要用parfor并行的话，直接修改注释部分即可。

3). 检索可视化。这一步运行queryInDatabaseDemo.m即可。

4). 计算mAP。不需要计算MAP的这步略过。运行compute_MAP.m，关于mAP的计算，请参阅我画的mAP计算过程示意图：信息检索评价指标，这个计算mAP的脚本是按照那个流程中定义的mAP计算方式来写的。