以图搜图 图像匹配_基于内容的图像检索(CBIR) ——以图搜图

@

一、实现原理

首先从图像数据库中提取特征并存储它。然后我们计算与查询图像相关的特征。最后，我们检索具有最近特征的图像

二、 基于内容的图像检索的特征提取

在这篇研究论文中(https://arxiv.org/pdf/1404.1777.pdf)，作者证明了为分类目的而训练的卷积神经网络(CNN) 可用于提取图像的“神经代码”。这

些神经代码是用于描述图像的特征。研究表明这种方法在许多数据集.上的表现与最先进的方法一样。这种方法的问题是我们首先需要标记数据来训练神经网络。标签任务可能是昂贵且耗时的。为我们的图像检索任务生成这些“神经代码”的另一种方法是使用无监督的深度学习算法。这是去噪

自动编码器的来源。相关代码可以参见：https://blog.csdn.net/qq_34213260/article/details/106333947.

三、代码实现

import numpy as np

from keras.models import Model

from keras.datasets import mnist

import cv2

from keras.models import load_model

from sklearn.metrics import label_ranking_average_precision_score

import time

print('Loading mnist dataset')

t0 = time.time()

(x_train, y_train), (x_test, y_test) = mnist.load_data()

x_train = x_train.astype('float32') / 255.

x