机器学习 | 图像检索开源项目合集

这篇博客整理了一系列基于计算机视觉和深度学习的图像检索开源项目,包括Trace.moe动漫场景反向搜索、PyTorch和TensorFlow实现的CNN图像检索、哈希方法以及语义嵌入技术。这些项目涵盖了从经典图像检索到现代深度学习方法的广泛应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、Trace.moe

图像反向搜索动漫场景,使用动漫截图搜索该场景的拍摄地。它告诉你该动画在日本动漫中出现的是哪个动画,哪个情节以及确切的时间。

https://github.com/soruly/trace.moe

2、Awesome Cbir Papers

经典图像检索的论文

https://github.com/willard-yuan/awesome-cbir-papers

3、Cnnimageretrieval Pytorch

在PyTorch中检索CNN图像:在PyTorch中训练和评估CNN以进行图像检索

 

https://github.com/filipradenovic/cnnimageretrieval-pytorch

4、Lire

基于内容的图像检索/视觉信息检索库。LIRE (Lucene Image Retrieval)是一个基于内容的图像检索的开源库,这意味着你可以使用LIRE来实现搜索相似图像。除了提供多种通用和先进的检索机制外,LIRE还允许在多个平台上轻松使用。LIRE被积极地用于研究、教学和商业应用。由于其模块化的特性,它可以用于处理级别(如索引图像和搜索)以及图像特征级别。开发人员和研究人员可以很容易地扩展和修改LIRE以使其适应他们的需要。

https://github.com/dermotte/LIRE

5、Cnn For Image Retrieval

"Image retrieval using MatconvNet and pre-trained imageNet"的代码

https://github.com/willard-yuan/CNN-for-Image-Retrieval

6、Hashing Baseline For Image Retrieval

HABIR哈希图像检索工具箱是一个用Matlab语言写的集成了经典哈希方法以及最近几年无监督哈希方法的基准框架,里面包含了针对图像检索的主流评价指标,使用该工具箱使得你可以专注于哈希方法的设计,其他性能评价这些方面的东西可以由它来帮你

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值