基于深度学习的特征提取在大规模图片中检索的应用研究

1. 选题背景和意义

1.1 选题背景

1.1.1 图片数量的增长

• 随着智能手机、数码相机和社交媒体的普及，人们每天产生的数字图像数量呈指数增长。
• 处理这些海量图像数据并实现有效的图像检索变得至关重要。

1.1.2 应用领域

• 图片特征提取及大规模检索在许多领域中都有广泛的应用。
• 例如，电子商务平台可以利用图像检索技术帮助用户快速找到他们感兴趣的产品。
• 安全监控系统可以利用图像特征提取和检索来识别异常行为或对象。
• 医学影像分析可以利用这些技术来帮助医生诊断疾病等。

1.2 选题意义

• 图片特征提取及大规模检索在各个领域中都有着重要的应用价值。
• 因此，研究基于深度学习的特征提取在大规模图片中检索的应用具有重要的实际意义。

2. 技术实现

2.1 技术思路

• 基于深度学习，将所有的图片的特征提取出来，得到全部特征向量。
• 将得到的向量构建向量库，使用欧式距离计算向量之间的相似度，从而进行检索。

2.2 实现方法

• 使用VGG和ResNet模型，对图片进行卷积、池化、展平、全连接等操作。
• 从而得到一个特征向量。
• 使用faiss框架，将所有的特征向量构建成一个向量库index。
• 使用欧氏距离算法对向量进行计算，从而得到图片与图片之间的相似度。

2.3 难点

• 构建交互界面时，由于缺乏web前端和flask的知识，在这一部分的实现比较简陋。

2.4 总结

• 本研究采用PyTorch+faiss+flask框架技术进行实现，基于深度学习的特征提取和大规模检索，实现一个类似以图搜图的系统。

3. 顶岗实习

3.1 企业简介

• 佛山市达衍数据科技有限公司（简称“达衍数据”）是一家提供人工智能与大数据技术应用解决方案的服务商。
• 为多家制造业提供个性化生产系统升级服务。

3.2 实习岗位

• 数据分析与算法。
• 职责：根据业务需求，选择合适的算法进行解决。
• 对企业数据进行数据分析和处理。
• 主要负责机器学习方面的算法和进化算法。

3.3 实习收获

• 加深了我对职场技能的掌握，提高了自身的专业能力。
• 对专业知识在实际中的应用有了更加深刻的了解和认识。
• 在与公司同事的相处过程中，我也学到了更多为人处事的方法。

3.4 就业去向

• 希望能从事人工智能这个行业，如图像、自然语言、大模型等方向。