第1章 从文本搜索到图像搜索 1
1.1文本搜索引擎的发展 1
1.2文本搜索引擎的结构与实现 2
1.2.1文本预处理 3
1.2.2建立索引 5
1.2.3对索引进行搜索 7
1.3搜索引擎的一般结构 10
1.4从文本到图像 10
1.5现有图像搜索引擎介绍 12
1.5.1 Google图像搜索引擎 12
1.5.2百度图像搜索引擎 13
1.5.3 TinEye图像搜索引擎 14
1.5.4淘宝图像搜索引擎 15
1.6本章小结 16
第2章 传统图像特征提取 17
2.1人类怎样获取和理解一幅图像 17
2.2计算机怎样获取和表示一幅图像 18
2.2.1采样 18
2.2.2量化 19
2.2.3数字图像的存储 19
2.2.4常用的位图格式 20
2.2.5色彩空间 20
2.2.6图像基本操作 21
2.3图像特征的分类 29
2.4全局特征 30
2.4.1颜色特征 30
2.4.2纹理特征 41
2.4.3形状特征 67
2.5局部特征 82
2.5.1 SIFT描述符 82
2.5.2 SURF描述符 86
2.6本章小结 88
第3章 深度学习图像特征提取 89
3.1深度学习 89
3.1.1神经网络的发展 89
3.1.2深度神经网络的突破 92
3.1.3主要的深度神经网络模型 95
3.2深度学习应用框架 97
3.2.1 TensorFlow 97
3.2.2 Torch 98
3.2.3 Caffe 98
3.2.4 Theano 98
3.2.5 Keras 99
3.2.6 DeepLearning4J 99
3.3卷积神经网络 99
3.3.1卷积 99
3.3.2卷积神经网络概述 103
3.3.3经典卷积神经网络结构 110
3.3.4使用卷积神经网络提取图像特征 130
3.3.5使用迁移学习和微调技术进一步提升提取特征的精度 134
3.4本章小结 141
第4章 图像特征索引与检索 142
4.1图像特征降维 142
4.1.1主成分分析算法降维 142
4.1.2深度自动编码器降维 150
4.2图像特征标准化 153
4.2.1离差标准化 153
4.2.2标准差标准化 153
4.3图像特征相似度的度量 154
4.3.1欧氏距离 154
4.3.2曼哈顿距离 155
4.3.3海明距离 155
4.3.4余弦相似度 155
4.3.5杰卡德相似度 156
4.4图像特征索引与检索 157
4.4.1从最近邻（NN）到K最近邻（KNN） 157
4.4.2索引构建与检索 158
4.5本章小结 173
第5章 构建一个基于深度学习的Web图像搜索引擎 174
5.1架构分析与技术路线 174
5.1.1架构分析 174
5.1.2技术路线 175
5.2程序实现 175
5.2.1开发环境搭建 175
5.2.2项目实现 176
5.3优化策略 204
5.4本章小结 205