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

我的数据库中有100万张图像。训练是手动的（监督式） – 每张图像都提供了标题和标签。例如：coke.jpg标题：可乐标签：可乐，罐子

利用这些图像和标签，我需要训练系统。训练后，当我输入一张新图像（可能是数据库中已有的或完全新的），系统应该输出该图像可能所属的标签，并显示每个标签下的几张图像。系统也可能提示未找到匹配项。

问题：

1）图像指纹是什么意思？预期的图像指纹大小是多少？（这很重要，因为将有数百万张图像需要插入数据库）

2）数据库中该指纹的字段格式是什么？（这很重要，因为需要快速搜索……脚本应在1秒内搜索100万张图像的数据库）

3）我们使用哪些描述符（算法）来分析它们？

提前感谢

回答：

嗯，这个话题非常广泛，但这里是一个可能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少大小，并允许索引

2. 构建数据库的倒排索引，以便通过量化描述符查找图像（你可以使用任何全文搜索引擎或数据库来实现这一点）

3. 给定一张图像，查找与之共享大量共同描述符的图像

4. 对于这些潜在候选者，你应该验证描述符的空间排列是否足够相似

一些入门文章：

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.