# 细粒度图像检索 **Repository Path**: HonvZ/fine_grained_image_retrieval ## Basic Information - **Project Name**: 细粒度图像检索 - **Description**: 本仓库用于工作汇报和工作小结 - **Primary Language**: Python - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 4 - **Forks**: 0 - **Created**: 2020-02-18 - **Last Updated**: 2025-04-11 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README ### 82. 2020/07/17, Fri. （Zhou，Yin）用分类网络和图像检索的网络分别进行简单标签数据的实验。 ### 81. 2020/07/16, Tur. （Zhou，Yin）选择重复元素、线条元素对印花图案进行标注，定下参考标准。 ### 80. 2020/07/15, Wen. （Zhou，Yin）讨论数据集标签定义方案的新思路。 ### 79. 2020/07/14, Tue. （Zhou，Yin）整理图像检索以及注意力机制相关的顶会、顶刊文献。 ### 78. 2020/07/13, Mon. （Zhou，Yin）开题。 ### 77. 2020/07/11, Saturday. （Zhou，Yin）开题准备阶段。 ### 76. 2020/06/29, Mon. （Zhou，Yin）开题准备阶段。 ### 75. 2020/06/26, Fri. （Zhou，Yin）尝试在论文SIFT Meets CNN中找到开题方向，印花数据集研究的切入点。 ### 74. 2020/06/25, Tur. （Zhou，Yin）更一步的研读SIFT Meets CNN论文中基于手工特征的方法，探讨其在印花数据集上的适用性。 ### 73. 2020/06/24, Wen. （Zhou，Yin）进一步精读SIFT Meets CNN，大概了解文章中一些引用的、出现的论文以及一些“里程碑”式的方法。 ### 72. 2020/06/23, Tue. （Zhou，Yin）图像检索领域综述型论文SIFT Meets CNN的精读。 ### 71. 2020/06/22, Mon. （Zhou，Yin）链图云软件的进一步测试以及“链图云”文档的修改。 ### 70. 2020/06/19, Fri. （Zhou，Yin）回顾论文Object Detection based Deep Unsupervised Hashing，查找该论文模型使用的Teacher模型为YOLOv2的缘由。 ### 69. 2020/06/18, Tur. （Zhou，Yin）印花数据集标签的讨论与标注。 ### 68. 2020/06/17, Wen. （Zhou，Yin）进一步研究传词包模型，在K-means聚类那一步查找有无改进，解决内存溢出问题。 ### 67. 2020/06/16, Tue. （Zhou，Yin）研究传基于手工特征的算法SIFT，并用Bow模型在印花数据上进行检索。 ### 66. 2020/06/15, Mon. （Zhou，Yin）研究传统的无监督图像检索算法ITQ（Iterative Quantization），查找代码并学习。 ### 65. 2020/06/12, Fri. （Zhou，Yin）深入阅读论文Object Detection based Deep Unsupervised Hashing并进一步研究讨论数据集的属性问题以及开展如何开展这样的工作 ### 64. 2020/06/11, Tur. （Zhou，Yin）进一步阅读论文Object Detection based Deep Unsupervised Hashing并研究数据集的属性标签问题 ### 63. 2020/06/10, Mon. （Zhou，Yin）阅读论文Object Detection based Deep Unsupervised Hashing ### 62. 2020/06/09, Tur. （Zhou，Yin）下载并研究DeepFashion数据集的类别标签，属性标签，以及对应的论文 ### 61. 2020/06/08, Mon. （Zhou，Yin）测试链图云对于其他数据集，如建筑类，鸟类，多标签类数据集的效果。 ### 60. 2020/06/05, Fri. （Zhou，Yin）深入的阅读论文DeepFashion2: A Versatile Benchmark for Detection, Pose Estimation, Segmentation and Re-Identification of Clothing Images。 ### 59. 2020/06/04, Tur. （Zhou，Yin）进一步阅读论文，一方面研究论文对于Deep Fashion这种服装类数据集的介绍，另一方面学习这类对于提出新数据集的论文如何写。 ### 58. 2020/06/03, Wen. （Zhou，Yin）阅读论文DeepFashion2: A Versatile Benchmark for Detection, Pose Estimation,Segmentation and Re-Identification of Clothing Images。 ### 57. 2020/06/02, Tue. （Zhou，Yin）进一步测试链图云软件。 ### 56. 2020/06/01, Mon. （Zhou，Yin）测试链图云软件的功能，精细识图，添加图库，移除图库等等。 ### 55. 2020/05/29, Fri. （Zhou，Yin）查看公司给的新印花图片，思考之后的研究方向。 ### 54. 2020/05/26, Tue. （Zhou，Yin）使用“链图云”软件，查看其检索效果。 ### 53. 2020/05/22, Fri. （Zhou，Yin）借用系统分析上周所作的划分测试数据集实验结果 ### 52. 2020/05/21, Thu. （Zhou）添加放大功能。 ### 51. 2020/05/20, Wen. （Zhou，Yin）改善系统bug。 ### 50. 2020/05/19, Tue. （Zhou）将之间所做的成果展示在窗口上面，完成实时在线预测功能，检索功能 ### 49. 2020/05/18, Mon. （Zhou）学习用python编写窗口，方便用于展示图片。 ### 48. 2020/05/15, Fri. （Zhou，Yin）设计检索系统的界面。 ### 47. 2020/05/14, Thu. （Zhou，Yin）讨论印花图库检索系统的大致雏形。 ### 46. 2020/05/13, Wen. （Zhou，Yin）找到图库中存在的标签完全一致的图片并筛选出20张图片作为测试集，实验AlexNet和RestNet两种不同的提取特征的网络，分析最后的预测与检索效果。 ### 45. 2020/05/12, Tue. （Zhou，Yin）通过不改变图片原样性的裁剪方式选出20张图片作为测试集，并实验AlexNet和RestNet两种不同的提取特征的网络，分析最后的预测与检索效果。 ### 44. 2020/05/11, Mon. （Zhou，Yin）分析3018新数据集的实验结果。 ### 43. 2020/05/08, Fri. （Zhou）编写网络，用多标签损失训练新的印花数据集，通过多标签精度评定准则分析训练结果，（Yin）编写代码根据文件名生成相应的标签文件。 ### 42. 2020/05/07, Thu. （Zhou，Yin）进一步完成新数据集的制作，打标签，训练集测试集的划分。 ### 41. 2020/05/06, Wen. （Zhou，Yin）完成新数据集的制作，共计3081张图片。 ### 40. 2020/04/29, Wen. （Zhou，Yin）裁剪制作数据集。 ### 39. 2020/04/28, Tue. （Zhou，Yin）学习元素的样式，尝试裁剪图片。 ### 38. 2020/04/27, Mon. （Zhou，Yin）初步确定新印花数据集的元素组成，去掉一些抽象标签。 ### 37. 2020/04/23, Thu. （Zhou）通过阅读博客弄懂ML-GCN网络的流程、思想 ### 36. 2020/04/21, Tue. （Zhou）IDHN论文中的软相似损失对MAP值的影响 ### 35. 2020/04/20, Mon. 三人小组讨论数据集的扩展问题 ### 34. 2020/04/17, Fri. （Zhou）整理多任务网络，IDHN论文的文档，（Yin）整理项目文档。（Li）阅读论文 CNN-RNN: A Unified Framework for Multi-Label Image Classification ### 33. 2020/04/16, Thu. （Zhou）阅读论文Multi-Label Image Recognition with Graph Convolutional Networks，（Yin）验证标签的合理性。 ### 32. 2020/04/15, Wen. （Zhou）通过用IDHN对印花数据集进行训练，计算其MAP，选取样例图片进行检索，（Yin、Li）为每张图片打上对应的标签。 ### 31. 2020/04/14, Tue. （Zhou）用多任务网络对印花数据集进行训练，做多标签分类，验证打上新标签印花数据的可学习性，（Yin、Li）为每张图片打上对应的标签。 ### 30. 2020/04/13, Mon. （Zhou）通过用IDHN对VOC数据集进行检索，来查看其IDHN的效果，（Yin、Li）为每张图片打上对应的标签。 ### 29. 2020/04/10, Fri. （Zhou）阅读论文Multi-Label Image Recognition with Graph Convolutional Networks ，（Yin、Li）对图库中的元素进行归纳整理。 ### 28. 2020/04/09, Thu. （Zhou）通过IDHN网络在VOC2012数据集上的MAP值，来对IDHN网络分析，调参，希望得到一个和论文比较接近的结果，（Yin、Li）分析图库中图片包含的元素。 ### 27. 2020/04/07, Tue. （Zhou）评估代码的编写，即通过MAP查看论文Improved Deep Hashing With Soft Pairwise Similarity for Multi-Label Image Retrieval得出实验结果的正确性，（Yin）了解、学习纺织业专业的图案定义。 ### 26. 2020/04/06, Mon. （Zhou）根据上周整理的模型训练参数对IDHN框架剩余代码的编写，并用VOC数据集对IDHN训练，（Yin）对比相似图片添加前后网络预测效果的变化。 ### 25. 2020/04/05, Sun. （Zhou）熟悉VOC2012数据集并进行多标签的预处理，（Yin）对比相似图片添加前后网络预测效果的变化。 ### 24. 2020/04/04, Sat. （Zhou）对多任务网络的进行学习率，迭代次数，batch size进行调整，并在服务器训练，得出印花数据库的预测结果，（Yin）给找到的52张相似图片打上标签，（Li）熟悉VOC2007数据集的构成，以及标签如何获取。 ### 23. 2020/04/03, Fri. （Zhou）根据整理的公式编写IDHN的损失函数并验证其编写结果的正确性，（Yin）给找到的52张相似图片打上标签。 ### 22. 2020/04/02, Thu. （Zhou）阅读论文Improved Deep Hashing With Soft Pairwise Similarity for Multi-Label Image Retrieval，对论文中出现的公式，IDHN模型训练参数进行整理以及数据集下载，（Yin）查找整理与图库风格相似且包含Architecture、Scenery标签的图片，（Li）查找相关资料，阅读论文Deep Supervised Hashing for Fast Image Retrieval。 ### 21. 2020/04/01, Wen. （Zhou）阅读论文Improved Deep Hashing With Soft Pairwise Similarity for Multi-Label Image Retrieval，对论文中提出的无监督的经典Hash算法LSH进行资料查询并学习，（Yin）查找整理与图库风格相似且包含Architecture、Scenery标签的图片。 ### 20. 2020/03/31, Tue. （Zhou）阅读组会上汇报的论文Improved Deep Hashing With Soft Pairwise Similarity for Multi-Label Image Retrieval，（Yin）分析Movie_poster数据集各标签的分布情况，使用网络预测新的电影海报标签，（Li）复习汇报论文，深入理解问题。 ### 19. 2020/03/29, Sun. 根据组会讨论结果为每个人分配下周对应工作。 ### 18. 2020/03/27, Fri. Zhou:编写程序，用多任务的方式在多标签的印花数据集上训练网络 Yin：修改代码和印花图库，跑了印花图库数据集 ### 17. 2020/03/26, Thu. Zhou:编写程序，基于triplet loss这种相似性度量的方式在印花数据集上训练网络 Yin： 构建多标签图像分类模型，跑了Movie_poster的数据集 ### 16. 2020/03/24, Tue. Zhou：基于之前跑出的网络，完成图像检索功能，检索其相似图像，属性，并进行排序 Yin： 使用vpn，安装keras，在服务器上搭建代码环境 ### 15. 2020/03/23, Mon. Zhou:弄清交叉熵损失函数，单分类损失函数，以及适用范围 Yin：编写图像相似度比较的程序 ### 14. 2020/03/20, Fri. Zhou：研读上周论文Attribute-Aware Attention Model for Fine-grained Representation Learning代码，尝试用pytorch进行复现。 Yin：了解了多标签图像分类竞赛，找到一些可能有参考价值的方法。 Li: 学习precision、recall、MAP相关知识点 ### 13. 2020/03/18, Wen. Zhou：查找多标签学习方面的代码并研读，复习了随机森林的理论。 Yin：阅读CNN-RNN: A Unified Framework for Multi-label Image Classification Li: 学习Improved Deep Hashing With Soft Pairwise Similarity for Multi-Label Image Retrieval论文 ### 12. 2020/03/17, Tue. Zhou：修改上周属性学习的代码，对印花数据集进行训练，训练精度最高82.8%。 Yin：看了周志华老师团队的Multi-Label Learning with Deep Forest，属于机器学习领域，感觉对解决实际问题效果可能不会太好。 Li: 搜索多标签学习的论文 ### 11. 2020/03/16, Mon. Zhou：查找属性学习方面的代码并研读，下载数据集，最终找到了一个利用CelebA的属性进行度量学习，最终检索的代码。 Yin：查找多标签学习方面的相关综述、论文，看了周志华老师的A review on multi-label learning algorithms。 ### 10. 2020/03/14, Sat. Yin：阅读属性学习方面的论文。 ### 9. 2020/03/12, Thu. Zhou：阅读属性学习方面的论文，Attribute-Aware Attention Model for Fine-grained Representation Learning，查找源码 Yin：整理印花图库数据集。 ### 8. 2020/03/09, Mon. Zhou：仿照POP家纺，用pytorch初步搭建网络，将属性学习的方式应用到印花图库上。 ### 7. 2020/03/06, Fri. Zhou：阅读图像检索论文CNN Image Retrieval Learns from BoW:Unsupervised Fine-Tuning with Hard Examples，论文一共两篇。第二篇继承第一篇的思想，代码开源。 ### 6. 2020/02/28, Fri. Zhou：阅读论文Historical Context-based Style Classification of Painting Images via Label Distribution Learning **结论：** 这篇论文是18年的，作者将Label Distribution Learning应用到风格学习中，关于LDL怎么做，代码如何写，我需要一些参考 ### 5. 2020/02/27, Thu. 阅读论文Deep Correlation Features for Image Style Classification，构思代码如何编写 **结论：** 这篇论文是16年的，可以借鉴 ### 4. 2020/02/21, Thu. 给数据集贴标签，用SSIM算法计算图库中图片之间的相似度矩阵 **结论：** 相似度最高才0.3 ### 3. 2020/02/20, Thu. 整理纹理数据集，主要是进行人工聚类 **结论：** 恨不得一张图片一个类 ### 2. 2020/02/19, Wed. 整理细粒度图像检测，基于内容的图像检索方面觉得有价值的文献以及对应的数据集 **结论：** 温故而知新 ### 1. 2020/02/18, Tue. 第一次使用码云； 熟悉了EndNote这款用作引用文献库的软件 用visio制作矢量图，python保存矢量图 **结论：** 用visio保存的矢量图看起来模糊一些。 #### 介绍 本仓库用于工作汇报和工作小结