自製AI圖像搜索引擎（簡體書）

圖像搜索引擎有兩種實現方式―基於圖像上下文文本特徵的方式和基於圖像視覺內容特徵的方式。本書所指的圖像搜索引擎是基於內容特徵的圖像檢索，也就是通常所說的“以圖搜圖”來檢索相似圖片。本書主要講解了搜索引擎技術的發展脈絡、文本搜索引擎的基本原理和搜索引擎的一般結構，詳細講述了圖像搜索引擎各主要組成部分的原理和實現，並構建了一個基於深度學習的Web圖像搜索引擎。

明恒毅，軟件工程師。長期從事信息系統的設計、開發、管理、運維工作，擅長圖像處理、圖像檢索、搜索引擎、深度學習等領域的理論與技術應用實踐，熱衷於研究前沿軟件技術及思想。曾在其主持研發的視頻監控檢索系統、融合通信智能應答系統等項目中積極運用AI技術，並取得了良好的效果。

第 1章 從文本搜索到圖像搜索 1
1.1 文本搜索引擎的發展 1
1.2 文本搜索引擎的結構與實現 2
1.2.1 文本預處理 3
1.2.2 建立索引 5
1.2.3 對索引進行搜索 7
1.3 搜索引擎的一般結構 10
1.4 從文本到圖像 10
1.5 現有圖像搜索引擎介紹 12
1.5.1 Google圖像搜索引擎 12
1.5.2 百度圖像搜索引擎 13
1.5.3 TinEye圖像搜索引擎 14
1.5.4 淘寶圖像搜索引擎 15
1.6 本章小結 16
第 2章 傳統圖像特徵提取 17
2.1 人類怎樣獲取和理解一幅圖像 17
2.2 計算機怎樣獲取和表示一幅圖像 18
2.2.1 採樣 18
2.2.2 量化 19
2.2.3 數字圖像的存儲 19
2.2.4 常用的位圖格式 20
2.2.5 色彩空間 20
2.2.6 圖像基本操作 21
2.3 圖像特徵的分類 29
2.4 全域特徵 30
2.4.1 顏色特徵 30
2.4.2 紋理特徵 41
2.4.3 形狀特徵 67
2.5 局部特徵 82
2.5.1 SIFT描述符 82
2.5.2 SURF描述符 86
2.6 本章小結 88
第3章 深度學習圖像特徵提取 89
3.1 深度學習 89
3.1.1 神經網絡的發展 89
3.1.2 深度神經網絡的突破 92
3.1.3 主要的深度神經網絡模型 95
3.2 深度學習應用框架 97
3.2.1 TensorFlow 97
3.2.2 Torch 98
3.2.3 Caffe 98
3.2.4 Theano 98
3.2.5 Keras 99
3.2.6 DeepLearning4J 99
3.3 卷積神經網絡 99
3.3.1 卷積 99
3.3.2 卷積神經網絡概述 103
3.3.3 經典卷積神經網絡結構 110
3.3.4 使用卷積神經網絡提取圖像特徵 130
3.3.5 使用遷移學習和微調技術進一步提升提取特徵的精度 134
3.4 本章小結 141
第4章 圖像特徵索引與檢索 142
4.1 圖像特徵降維 142
4.1.1 主成分分析算法降維 142
4.1.2 深度自動編碼器降維 150
4.2 圖像特徵標準化 153
4.2.1 離差標準化 153
4.2.2 標準差標準化 153
4.3 圖像特徵相似度的度量 154
4.3.1 歐氏距離 154
4.3.2 曼哈頓距離 155
4.3.3 海明距離 155
4.3.4 余弦相似度 155
4.3.5 傑卡德相似度 156
4.4 圖像特徵索引與檢索 157
4.4.1 從最近鄰(NN)到K最近鄰(KNN) 157
4.4.2 索引構建與檢索 158
4.5 本章小結 173
第5章 構建一個基於深度學習的Web圖像搜索引擎 174
5.1 架構分析與技術路線 174
5.1.1 架構分析 174
5.1.2 技術路線 175
5.2 程序實現 175
5.2.1 開發環境搭建 175
5.2.2 項目實現 176
5.3 優化策略 204
5.4 本章小結 205