有人能为CBIR推荐好的算法吗？

Question

项目:基于内容的图像检索-半监督(在训练时对图像进行手动标记)

描述

我的数据库里有1000000张图片。训练是手动的(有监督的)-为每个图像提供标题和标签。示例: coke.jpg标题:可口可乐标签:可口可乐，罐头

使用图像和标签，我必须训练系统。训练后，当我给出一个新的图像(已经在数据库中/完全新的)时，系统应该输出图像可能属于的标签，并显示属于每个标签的少量图像。系统也可能会说找不到匹配项。

问题：

1)什么是图像指纹？预期的图像指纹大小是多少？(这一点很重要，因为数据库中将插入数百万张图像)

2)该指纹在数据库中的字段格式是什么？(这一点很重要，因为…需要快速搜索脚本应在不到1秒的时间内在1M图像数据库中搜索)

3)我们用来分析它们的描述符(算法)是什么？

提前感谢

Answer 1

这个主题很大，但这里是一个可能的解决方案的简要概述

1. 图像指纹是SIFT描述符的集合，这些描述符被量化以减小大小，并允许索引
2. 建立数据库的倒排索引，以允许通过量化描述符查找图像(您可以使用任何全文搜索引擎\ DB进行此操作)
3. 给定图像，查找共享大量公共descriptors
4. For的图像这些潜在候选者，您应该验证描述符的空间排列是否足够相似

以下是一些帮助您入门的文章：

Philbin, James, et al. "Object retrieval with large vocabularies and fast spatial matching." Computer Vision and Pattern Recognition, 2007. CVPR'07. IEEE Conference on. IEEE, 2007.

Philbin, James, et al. "Lost in quantization: Improving particular object retrieval in large scale image databases." Computer Vision and Pattern Recognition, 2008. CVPR 2008. IEEE Conference on. IEEE, 2008.

Mikulík, Andrej, et al. "Learning a fine vocabulary." Computer Vision–ECCV 2010 (2010): 1-14.

Answer 2

我建议根据从训练图像中提取的图像特征列表来训练SVM模型

Answer 3

1. 图像指纹:图像的有意义的表示。当然，你不能使用单像素。最合理的方法是最小化基础之间的相关性。简单地说，如果你拍摄一张64x64的图像，左上角的两个像素可能相同或相似。使用每个64^2像素作为输入是没有用的，您需要更好的输入。试着看看主成分分析是做什么的。
2. ，这完全取决于你。扩展它，你可以使用一点，告诉你图像是暗的还是不暗的。更好的是，你可以对图像进行主成分分析，并尝试不同数量的特征(并不总是更多的特征是你想要的better)
3. Whatever，有很多你可以使用的算法。我推荐支持向量机。易于使用和良好的支持。如果你有很多不同的标签，你可能需要为每个标签放一个SVM。这可能并不理想，你可能想尝试其他方法。