基于内容的图像检索
整理一些基于内容的图像检索（Content-Based Image Retrieval, CBIR）相关的文章、论文和实现
概念
CBIR(content-based image retrieval)：通过分析图像内容来搜索相似图像；semantic gap（语义墙）：机器捕获的低级图像像素与人类感知的高级语义概念之间存在的鸿沟。
文章
- 知物由学 | 图像检索技术怎样准如“雷达”，从一张到亿张精准定位图片违规？
- 2021图像检索综述
- 10亿级！淘宝大规模图像检索引擎算法设计概览
- 袁勇博客：这老哥从事了很多年的
CBIR实战- 图像检索：基于内容的图像检索技术
- willard-yuan/awesome-cbir-papers：大量
CBIR相关的论文和实现 - Image Retrieval（共30篇）：作者编写的心得体会
- 微信「扫一扫识物」 的背后技术揭秘
- R Talk | 旷视南京研究院魏秀参：细粒度图像分析综述
- 深度学习如何有效的用于图像检索?
论文
2014- Deep Learning for Content-Based Image Retrieval: A Comprehensive Study
14年的一篇综述，调查了深度网络特征对于CBIR任务的提高。今天（22年）来看很简单的实现，不过重新回顾一下还是很有意思的；- Visual Instance Retrieval with Deep Convolutional Networks
- 从之前的全连接层特征研究开始转向卷积层特征研究，针对空间特征设计了多尺度搜索以及空间最大池化操作，实现效率和实用性上并不突出；
2015- Deep Learning of Binary Hash Codes for Fast Image Retrieval
- 在深度网络中嵌入二值哈希码的学习，同时训练分类模型以及类哈希函数，能够兼容检索精度（深度网络）和检索时间（类哈希码）；
- Aggregating Deep Convolutional Features for Image Retrieval
- 很好的介绍了传统的人工特征方式构造全局特征描述符的过程，证明了深度卷积特征区别于传统人工特征，并且探索了基于深度卷积特征构造全局描述符的新范式（设计了基于求和池化的
SPoC描述符）；
2016201920202021
实现
- 数据集
- 实现