视觉信息处理与检索——入门

概述

图像识别目标

让计算机将语义概念相似的图像划分为同一个类别

图像识别面临挑战

语义鸿沟现象

• 图像底层视觉特征和高级语义概念之间的鸿沟

  • 不相似的视觉特征，相同的于一概念（不同视角、不同光照、不同大小）
  • 相似的视觉特性，不同的语义概念

• 在深度学习之前，总是想认为设置不同的特征、尺度来更全面地表达图像。

• 深度学习回避了这个问题，很多层的神经网络，可以表示不同层的信息，完成特征的表达，比人为的设置特征更强，更精确。

图像识别基本框架

测量空间 -> 特征空间 -> 类别空间

传统方法与深度学习方法的区别

• 传统方法：设计特征

• 深度学习：学习特征

传统图像识别技术

早期图像识别技术(1990-2003)

流程：特征提取（颜色、边缘） → 索引技术 → 相关反馈 → 重排序

注： 但早期做的还是比较少，因为计算机存储、算力都达不到。

全局特征提取

图片被表示成向量。

用全局的视觉底层特性统计量表示图像。

• 颜色
• 形状
• 纹理

流程

原图片 → 向量空间映射 → 向量表示（相似度高的图片在空间中所标识的点更为接近）

特征变换

提高特征的表示性能

• 空间变换

  • 相以的物体 → 距离近
  • 不相似的物体 → 距离远

• manifold learning / embedding

  • 映射为低维空间下的向量表示，常用方法如 PCA、MDS、ISOMAP、LLE、Laplacian Eigenmap

• 简单特征变换

  • 中心化
  • 归一化

索引技术

• 穷举搜索
  • 效率太低，时间复杂度太高
• 改进方式
  • 牺牲精度&#