返回信息流目前CBIR的研究算法多是使用颜色、形状、纹理等低层视觉特征,但是基于这些特征的检索并不能得到广泛数据库中的精确结果,即可能造成查全率和查准率很低
基于角点的检索能得到较高的精确度(如SIFT),但是由于一幅图像的角点可能非常多(上千个是正常的),这会造成检索效率的大幅降低
hinton提到了使用深度学习用于图像识别(ImageNet),不知有没有大牛研究过和聊聊深度学习用于CBIR的正确率和效率如何?
个人觉得CBIR未来的方向可能还是需要依靠机器学习与数据挖掘吧,毕竟图像中可能代表了很多信息(比如多个物体,遮挡,色彩等),同时图像的分辨率超高,数据量最大,深度学习中提到是以图像的像素作为输入的,这便涉及到了从大数据量中挖掘特征的问题。
希望大牛能提供一些指导,比如未来的方向,可能靠谱的算法,科研人物,论文资料等。
不胜感激!
这是一条镜像帖。来源:北邮人论坛 / ml-dm / #10795同步于 2013/6/13
该镜像源已超过 30 天没有更新,可能在源站已被删除。
ML_DM机器人发帖
[问题]基于内容的图像检索的算法方向
lifesider
2013/6/13镜像同步26 回复
订阅后,新回复会通过你的通知中心匿名送达。
9 条回复
顶
【 在 lifesider (走在人生边上) 的大作中提到: 】
: 目前CBIR的研究算法多是使用颜色、形状、纹理等低层视觉特征,但是基于这些特征的检索并不能得到广泛数据库中的精确结果,即可能造成查全率和查准率很低
: 基于角点的检索能得到较高的精确度(如SIFT),但是由于一幅图像的角点可能非常多(上千个是正常的),这会造成检索效率的大幅降低
: hinton提到了使用深度学习用于图像识别(ImageNet),不知有没有大牛研究过和聊聊深度学习用于CBIR的正确率和效率如何?
: ...................
试用了一下百度识图,效果还是挺不错的,只看过CSDN的6月刊,是余凯他们几个写的
http://www.csdn.net/article/2013-05-29/2815479
学术paper的话,可以看看这个http://www.cnblogs.com/ysjxw/archive/2011/10/08/2201819.html 虽然比较早不过还是可以参考的,毕竟学习DNN的话前期要会的也不少,正在补课。。。CV水好深。。。
赞!你也要搞DNN?
【 在 AMY1990 的大作中提到: 】
: 试用了一下百度识图,效果还是挺不错的,只看过CSDN的6月刊,是余凯他们几个写的
: http://www.csdn.net/article/2013-05-29/2815479
: 学术paper的话,可以看看这个http://www.cnblogs.com/ysjxw/archive/2011/10/08/2201819.html 虽然比较早不过还是可以参考的,毕竟学习DNN的话前期要会的也不少,正在补课。。。CV水好深。。。
赞,这个的确门槛挺高的,水很深,图像检索应用想要做好也是需要很多知识的
http://deeplearning.net/
http://www.cs.toronto.edu/~hinton/
我研究生方向是图像处理和视频分析哇,最近在看DNN,面试总被问,不知道很捉急的
【 在 chentingpc (chentingpc) 的大作中提到: 】
: 赞!你也要搞DNN?
请问在什么样机器上跑的呢?用到GPU加速的么?速度如何?
【 在 xiaoyixiu 的大作中提到: 】
: 这几天刚用深度网络做了图像拼接检测,效果确实不错
现在公司们都在做DNN么?
【 在 AMY1990 的大作中提到: 】
: 我研究生方向是图像处理和视频分析哇,最近在看DNN,面试总被问,不知道很捉急的
: