问题标签 [cbir]

我试图学习一些关于 CBIR（基于内容的信息检索）的东西。为此，我尝试实施研究论文，并在其中一篇论文 [链接] 中提到了以下内容。

我的主要疑问是在第 3 步，我对此进行了一些挖掘，发现了 5 种形态梯度

• 基本梯度
• 内部梯度
• 外部梯度
• 水平梯度
• 垂直梯度

这些是作者所指的渐变还是我没有考虑的其他渐变？

所以我正在阅读一篇研究论文 [链接]，其中包含以下用于获取图像纹理的算法。

所以我从上面的算法中了解到，我需要制作 4x4 的网格并找到每个 4x4 子矩阵的 GLCM 矩阵，然后计算属性。

但是我对这种方法的问题是图像的大小为 256x384，它给出了 64*96 的网格，计算 GLCM 矩阵 64*96 次的计算量非常大，特别是因为我有 900 个这样的图像。

代码如下：

我只想知道，我对算法的理解是正确的，还是我在某个地方犯了一个愚蠢的错误。

我在 GitHub 上找到了这个功能

它从 flickr 打印属于某个类别的图像（例如：架构）并使用关键字术语（例如：狗）问题是我想同时使用多个术语执行图像搜索（例如：狗，猫,bird) 例如，在同一个图像中，flickr.photos_search 是否可能在同一个请求中采用多个术语或类别，或者是否有任何其他想法可以完成这项工作。

谢谢

我使用卷积自动编码器（神经网络）实现了基于内容的图像检索（CBIR）模型。当给模型一个查询图像时，我从数据库中得到五个检索结果。

但是要评估 CBIR 模型，没有基本事实。精度和召回等指标需要基本事实。

如何在没有基本事实的情况下评估模型？