"拍立淘是阿裡巴巴推出的以圖搜圖產品，率先改變了消費者購物的方式，影響深遠。《深度學習圖像搜索與識別》圍繞該產品的技術、工程實踐，多角度、立體化地揭示了背後的技術機理：首度剖析基於深度學習的億級圖像檢索技術平臺，揭示精準推薦的技術奧秘深度分析計算機視覺重要算法原理與應用場景，配以詳盡的PyTorch代碼闡述構建大規劃圖像搜索平臺思路、技巧與落地經驗"

●1 概述11.1 圖像搜索與識別概述11.2 圖像搜索與識別技術的發展和應用31.3 深度學習與圖像搜索和識別41.4 本書結構62 深度卷積神經網絡82.1 概述82.1.1 深度學習背景82.1.2 深度卷積神經網絡92.2 CNN基礎操作112.2.1 卷積操作112.2.2 池化操作122.2.3 全連接層132.2.4 激活層142.2.5 批歸一化層142.2.6 小結162.3 常見的CNN模型結構162.3.1 網絡結構超參數172.3.2 單分支網絡結構192.3.3 多分支網絡結構242.3.4 小結382.4 常見目標損失函數382.5 本章總結402.6 參考資料403 圖像分類433.1 概述433.2 單標記分類443.2.1 常用數據集及評價指標443.2.2 損失函數453.2.3 提升分類精度的實用技巧473.2.4 基於搜索的圖像分類503.3 細粒度圖像分類513.3.1 概述513.3.2 基於部件對齊的細粒度分類方法523.3.3 基於高階特征池化的細粒度分類方法553.3.4 小結563.4 多標記圖像分類563.4.1 概述563.4.2 baseline：一階方法583.4.3 標記關繫建模593.4.4 小結603.5 代碼實踐613.6 本章總結633.7 參考資料634 目標檢測664.1 概述664.2 兩階段目標檢測算法684.2.1 候選框生成694.2.2 特征抽取714.2.3 訓練策略734.2.4 小結764.3 單階段目標檢測算法764.3.1 YOLO算法764.3.2 SSD算法784.3.3 RetinaNet算法814.3.4 無錨點框檢測算法834.3.5 小結874.4 代碼實踐884.5 本章總結914.6 參考資料925 圖像分割955.1 概述955.2 語義分割965.2.1 概述965.2.2 全卷積神經網絡975.2.3 空洞卷積995.2.4 U-Net結構1005.2.5 條件隨機場關繫建模1015.2.6 Look Wider to See Better1035.2.7 Atrous Spatial Pyramid Pooling算法1045.2.8 Context Encoding for Semantic Segmentation1045.2.9 多卡同步批歸一化1075.2.10 小結1075.3 實例分割1085.3.1 概述1085.3.2 FCIS1095.3.3 Mask R-CNN1115.3.4 Hybrid Task Cascade框架1135.3.5 小結1155.4 代碼實踐1155.5 本章總結1205.6 參考資料1206 特征學習1246.1 概述1246.2 基於分類識別的特征訓練1266.2.1 Sigmoid函數1276.2.2 Softmax函數1286.2.3 Weighted Softmax函數1296.2.4 Large-Margin Softmax函數1306.2.5 ArcFace函數1326.2.6 小結1336.3 基於度量學習的特征訓練1346.3.1 Contrastive損失函數1356.3.2 Triplet損失函數1376.3.3組損失函數在行人再識別中的應用1396.3.4 Quadruplet損失函數1406.3.5 Listwise Learning1416.3.6 組合損失函數1426.3.7 小結1426.4 代碼實踐1436.5 本章總結1436.6 參考資料1447 向量檢索1477.1 概述1477.2 局部敏感哈希算法1497.2.1 預處理1507.2.2 搜索1517.2.3 小結1527.3 乘積量化繫列算法1527.3.1 PQ算法1537.3.2 IVFPQ算法1557.3.3 OPQ算法1567.3.4 小結1577.4 圖搜索算法1577.4.1 NSW算法1587.4.2 Kgraph算法1617.4.3 HNSW算法1637.4.4 圖搜索算法實驗對比1657.4.5 小結1657.5 代碼實踐1667.6 本章總結1677.7 參考資料1688 圖文理解1718.1 概述1718.2 圖文識別1728.2.1 概述1728.2.2 數據集和評測標準1748.2.3 特征融合方法1768.2.4 小結1828.3 圖文搜索1828.3.1 概述1828.3.2 數據集和評測標準1848.3.3 Dual Attention Networks1858.3.4 Bottom-Up Attention1878.3.5 圖文搜索的損失函數1898.3.6 小結1908.4 代碼實踐1918.5 本章總結1948.6 參考資料1949 阿裡巴巴圖像搜索識別繫統1979.1 概述1979.2 背景介紹1989.3 圖像搜索架構2009.3.1 類目預測模塊2009.3.2 目標檢測和特征聯合學習2019.3.3 圖像索引和檢索2059.4 實驗和結果分析2079.5 本章總結2109.6 參考資料211

圖像搜索和識別是計算機視覺領域一個非常重要且基礎的題目。本書對構成圖像搜索和識別繫統的各個算法基礎模塊一一做了介紹，並在最後一章以拍立淘為例說明了各個模塊是怎樣一起工作的。針對每個算法模塊，本書不僅深入淺出地解釋了算法的工作原理，還對算法背後的演進機理和不同方法的特點進行了說明，在第2至第8章最後均提供了經典算法的PyTorch代碼和相關參考資料。本書既適合圖像搜索和識別領域的初學者，也適合在某個單一任務方面有經驗但是想擴充知識面的讀者。

潘攀 著