Construir un motor de búsqueda de imágenes no es una tarea fácil si quieres hacerlo profesionalmente o a gran escala.
Podemos dividir el proceso en estas partes:
- Creación del algoritmo de extracción de características: las redes neuronales convolucionales (CNN) se utilizan principalmente para estas tareas, pero la construcción de la topología y el entrenamiento correctos con suficientes datos etiquetados puede ser la parte más difícil.
- Preproceso: preprocesamiento de imágenes procedentes de la cámara para obtener la mejor precisión.
- Indexación: después del preprocesamiento, debe extraer las funciones y guardarlas en un almacén de datos escalable y distribuido.
- Búsqueda: se utilizan algunas métricas de distancia entre las características para calcular las puntuaciones de similitud de imagen. Si tiene millones de imágenes, debe usar técnicas de programación distribuida para manejarlo en segundos.
El uso de API de reconocimiento de imágenes de algunos proveedores también puede ser una buena alternativa.
- Cómo guardar los pesos de los datos de entrenamiento de las pruebas MNIST en Tensorflow para uso futuro
- ¿En qué se diferencia LSTM de RNN? En una explicación laica.
- ¿Es suficiente tomar todos los cursos de la especialización de Machine Learning de la Universidad de Washington en el curso para obtener mi primer trabajo / pasantía en ML?
- ¿Cuáles son las mejores bibliotecas de redes neuronales de Python y Java con soporte multi gpu y multiplataforma?
- ¿Cuáles son las desventajas de [math] abs (x) [/ math] como función de activación en redes neuronales?
https://www.linkedin.com/pulse/5…