14552015

1 (p1): 第1章 从文本搜索到图像搜索
1 (p1-1): 1.1文本搜索引擎的发展
2 (p1-2): 1.2文本搜索引擎的结构与实现
3 (p1-2-1): 1.2.1文本预处理
5 (p1-2-2): 1.2.2建立索引
7 (p1-2-3): 1.2.3对索引进行搜索
10 (p1-3): 1.3搜索引擎的一般结构
10 (p1-4): 1.4从文本到图像
12 (p1-5): 1.5现有图像搜索引擎介绍
12 (p1-5-1): 1.5.1 Google图像搜索引擎
13 (p1-5-2): 1.5.2百度图像搜索引擎
14 (p1-5-3): 1.5.3 TinEye图像搜索引擎
15 (p1-5-4): 1.5.4淘宝图像搜索引擎
16 (p1-6): 1.6本章小结
17 (p2): 第2章 传统图像特征提取
17 (p2-1): 2.1人类怎样获取和理解一幅图像
18 (p2-2): 2.2计算机怎样获取和表示一幅图像
18 (p2-2-1): 2.2.1采样
19 (p2-2-2): 2.2.2量化
19 (p2-2-3): 2.2.3数字图像的存储
20 (p2-2-4): 2.2.4常用的位图格式
20 (p2-2-5): 2.2.5色彩空间
21 (p2-2-6): 2.2.6图像基本操作
29 (p2-3): 2.3图像特征的分类
30 (p2-4): 2.4全局特征
30 (p2-4-1): 2.4.1颜色特征
41 (p2-4-2): 2.4.2纹理特征
67 (p2-4-3): 2.4.3形状特征
82 (p2-5): 2.5局部特征
82 (p2-5-1): 2.5.1 SIFT描述符
86 (p2-5-2): 2.5.2 SURF描述符
88 (p2-6): 2.6本章小结
89 (p3): 第3章 深度学习图像特征提取
89 (p3-1): 3.1深度学习
89 (p3-1-1): 3.1.1神经网络的发展
92 (p3-1-2): 3.1.2深度神经网络的突破
95 (p3-1-3): 3.1.3主要的深度神经网络模型
97 (p3-2): 3.2深度学习应用框架
97 (p3-2-1): 3.2.1 TensorFlow
98 (p3-2-2): 3.2.2 Torch
98 (p3-2-3): 3.2.3 Caffe
98 (p3-2-4): 3.2.4 Theano
99 (p3-2-5): 3.2.5 Keras
99 (p3-2-6): 3.2.6 DeepLearning4J
99 (p3-3): 3.3卷积神经网络
99 (p3-3-1): 3.3.1卷积
103 (p3-3-2): 3.3.2卷积神经网络概述
110 (p3-3-3): 3.3.3经典卷积神经网络结构
130 (p3-3-4): 3.3.4使用卷积神经网络提取图像特征
134 (p3-3-5): 3.3.5使用迁移学习和微调技术进一步提升提取特征的精度
141 (p3-4): 3.4本章小结
142 (p4): 第4章 图像特征索引与检索
142 (p4-1): 4.1图像特征降维
142 (p4-1-1): 4.1.1主成分分析算法降维
150 (p4-1-2): 4.1.2深度自动编码器降维
153 (p4-2): 4.2图像特征标准化
153 (p4-2-1): 4.2.1离差标准化
153 (p4-2-2): 4.2.2标准差标准化
154 (p4-3): 4.3图像特征相似度的度量
154 (p4-3-1): 4.3.1欧氏距离
155 (p4-3-2): 4.3.2曼哈顿距离
155 (p4-3-3): 4.3.3海明距离
155 (p4-3-4): 4.3.4余弦相似度
156 (p4-3-5): 4.3.5杰卡德相似度
157 (p4-4): 4.4图像特征索引与检索
157 (p4-4-1): 4.4.1从最近邻（NN）到K最近邻（KNN）
158 (p4-4-2): 4.4.2索引构建与检索
173 (p4-5): 4.5本章小结
174 (p5): 第5章 构建一个基于深度学习的Web图像搜索引擎
174 (p5-1): 5.1架构分析与技术路线
174 (p5-1-1): 5.1.1架构分析
175 (p5-1-2): 5.1.2技术路线
175 (p5-2): 5.2程序实现
175 (p5-2-1): 5.2.1开发环境搭建
176 (p5-2-2): 5.2.2项目实现
204 (p5-3): 5.3优化策略
205 (p5-4): 5.4本章小结…