基于内容的图像检索和基于语义的图象检索一样吗 (基于内容的图像分类研究)

本文目录导航：

• 基于内容的图像检索和基于语义的图象检索一样吗
• 图像检索网络上的图像检索方法
• 计算机视觉运行之图像检索义务便捷引见

基于内容的图像检索和基于语义的图象检索一样吗

基于内容的图像检索，即CBIR(Content-based image retrieval)，是计算机视觉畛域中关注大规模数字图像内容检索的钻研分支。

典型的CBIR系统，准许用户输入一张图片，以查找具备相反或相似内容的其余图片。

而传统的图像检索是基于文本的，即经过图片的称号、文字消息和索引相关来成功查问配置。

这一律念于1992年由提出的。

他在论文中构建了一个基于色调与状态的图像数据库，并提供了必定的检索配置启动试验。

尔后，基于图像特色提取以成功图像检索的环节以及CBIR这一律念，被宽泛运行于各种钻研畛域，如统计学、形式识别、信号解决和计算机视觉。

图像检索网络上的图像检索方法

在图像检索网络中，图像检索方法的成功方式多种多样，关键可以分为以下几种:

从图像特色的角度看，这些方法大抵对应于三个档次：

计算机视觉运行之图像检索义务便捷引见

图像检索算法因何而起？

网络时代，随着各种社交网络的兴起，网络中图片，视频数据每天都以惊人的速度增长，逐渐构成弱小的图像检索数据库。

针对这些具备丰盛消息的海量图片，如何有效地从渺小的图像数据库中检索出用户须要的图片，成为消息检索畛域钻研者感兴味的一个钻研方向。

图像检索，便捷的说，便是从图片检索数据库中检索出满足条件的图片，图像检索技术的钻研依据形容图像内容方式的不同可以分为两类：

一类是基于文本的图像检索技术，简称TBIR，

一类为基于内容的图像检索技术，简称CBIR。

随着图像检索技术的开展和逐渐成熟，曾经构成了多个基于图像检索的钻研方向和运行场景，并且投入适用，在遥感影像、安防监控、检索引擎、电子商务、医学等方方面面起着十分关键的作用。

基于文本的图像检索(TBIR)技术，其关键原理为应用文本形容，如文本形容图片的内容、作者等等的方式来检索图片；

基于图像的内容语义的图像检索技术（CBIR），应用图片的颜色、纹理及图片蕴含的物体、类别等消息检索图片，如给定检索指标图片，在图像检索数据库中检索出与它相似的图片。

基于图像的内容语义的图像检索包括相反物体图像检索和相反类别图像检索，检索义务区分为检索同一个物体地不同图片和检索同一个类别地图片。

例如，行人检索中检索的是同一团体即同一个身份在不同场景不同摄像头下拍得的图片属于相反物体的图像检索，而在3D状态检索中则是检索属于同一类的东西，如飞机等。

图像检索技术关键蕴含几个步骤，区分为：输入图片、特色提取、度量学习、重排序。

特色提取：行将图片数据启动降维，提取数据的判断性消息，普通将一张图片降维为一个向量；

度量学习：普通应用度量函数，计算图片特色之间的距离，作为loss，训练特色提取网络，使得相似图片提取的特色相似，不同类的图片提取的特色差同性较大。

重排序：应用数据间的流形相关，对度量结果启动从新排序，从而获取更好的检索结果。

随着深度学习的引入，基于深度学习的图像检索技术，关键是将深度学习方法运行在图像检索中的特色提取模块，应用卷积神经网络提取图片特色。

关键步骤即给定一张图片，经过卷积神经网络对图片启动特色提取获取表征图片的特色，应用度量学习方法如欧式距离对图片特色启动计算距离，对图片距离启动排序，获取初级检索结果，再依据图片数据的高低文消息和流形结构对图像检索结果启动重排序，从而提高图像检索准确率，获取最终的检索结果。