项目三：基于内容的图像检索

一、图像检索

图像检索两个框架：基于文本和基于内容

1.基于文本

 常规的图像检索框架，图像由文本注释，然后通过文本在图像数据库中检索。

• 缺点：
  人工注释需要相当大的人力开销
  由于人类的主观性会导致文本的注释不准确

• 为克服基于文本检索框架的缺点，在20世纪80年代引入了基于内容的图像检索。

2.基于内容

 基于内容的图像检索(CBIR)系统，使得用户能够在系统中找到与查询图像类似的图像。
 图像内容：例如颜色，纹理，形状等

二、项目介绍

 本项目是采用keras深度学习框架，在MNIST数据集上实现基本的图像检索功能。

基于内容的图像检索的框架：

基于内容的图像检索.png

1.图像特征提取

 基于内容的图像检索的关键是特征提取。

• 手工特征提取：
  颜色直方图定义颜色
  方向梯度直方图限定形状

• CNN特征提取：
  使用为分类而训练的CNN来提取图像特征，如VGG16、ResNet等。
  但这种方法仍然需要标记数据来训练神经网络，打标签的工作成本非常高。

• 去噪自动编码器提取
  无监督的深度学习方法

2.去噪自动编码器

 去噪自动编码器是用于图像去噪的神经网络，它可以学习到图像上的重要特征，即提取图像的本质。

• 去噪自动编码器结构

去噪自动编码器.png