序

大約十年前的某一天，我正徜徉在互聯(lián)網(wǎng)的世界里，忽然一個名叫“TinEye”的圖像搜索引擎網(wǎng)站映入我的眼簾。我滿懷憧憬地在那個網(wǎng)站中上傳了一幅圖片，它很快搜索并返回了許多這幅圖片在互聯(lián)網(wǎng)中不同URL上的結(jié)果。我接著嘗試上傳了另一幅圖片，一會兒它又返回了許多近似這幅圖片的結(jié)果，很顯然，結(jié)果中的很多圖片是在同一幅圖像上修改的。面對如此準(zhǔn)確和令人驚艷的結(jié)果，我不禁腦洞大開、浮想聯(lián)翩，構(gòu)思著一個個可以運用該技術(shù)實現(xiàn)的奇思妙想。猛然間，我覺得心中產(chǎn)生了一股強大的力量——我要弄懂它背后的技術(shù)原理。

為了徹底弄清楚這類圖像搜索引擎的技術(shù)原理，我反復(fù)查找和閱讀當(dāng)時互聯(lián)網(wǎng)上甚為稀缺的相關(guān)資料，但收效甚微。直到后來，我遇到了一個叫作LIRE的開源項目，它讓我初步理解了圖像搜索引擎的技術(shù)原理。但是在實際應(yīng)用中，LIRE的效果并不是太好。為了解決這個問題，我又找到“深度學(xué)習(xí)”這個強有力的助手。在探索原理的過程中，我發(fā)現(xiàn)國內(nèi)幾乎找不到一本介紹圖像搜索引擎基本原理和實現(xiàn)的書，這也成了本書誕生的緣由。

基于內(nèi)容的圖像檢索技術(shù)自20世紀(jì)90年代提出以來，得到了迅速的發(fā)展。研究人員提出了不同的理論和方法，其中具有代表性的是SIFT、詞袋模型、矢量量化、倒排索引、局部敏感散列、卷積神經(jīng)網(wǎng)絡(luò)，等等。與此同時，產(chǎn)業(yè)界也推出了許多實用的圖像搜索引擎，比如TinEye、谷歌圖像搜索、百度圖像搜索和以淘寶為代表的垂直領(lǐng)域圖像搜索引擎。但是到目前為止，此項技術(shù)還遠未完全成熟，還有許多問題需要解決，改進和提高的空間還很大。搜索的結(jié)果和用戶的期望還有一些距離，存在一定的圖像語義鴻溝。這也是從事這項技術(shù)研究與開發(fā)的人員不斷進步的源動力。

希望本書的出版能夠在一定程度上緩解圖像搜索引擎資料稀少的現(xiàn)狀，并能夠吸引和幫助更多的技術(shù)人員關(guān)注并研究圖像檢索技術(shù)。

明恒毅

2018年11月