基于深度学习的以图搜图实战

算法数学

课程简介

《基于深度学习的以图搜图实战》image.webp (38.34 KB, 下载次数: 83) 下载附件   保存到相册 2022-7-18 01:06 上传【技能收获】学完可掌握：Vue / 前端工程化。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持

已有 0 人浏览发布 2026-09-16 更新 2026-09-16

这个标题看着像算法课，但翻完资料包会发现它的重心并不在“推导公式”，而在“把以图搜图这条链子跑通”。如果你冲着学 CNN 反向传播来，可能会失望；但如果你手里已经有一堆本地图片，想做一个能真跑起来的检索小系统，这门课的骨架是够用的。

课纲的含金量落在哪一段

整门课真正的信息密度集中在两处：一是特征提取那一层怎么选、怎么裁、怎么归一化，二是向量检索怎么做近邻、怎么排序返回。前面讲图像基础的部分偏铺垫，快进即可；后面如果出现前端工程化的内容，和以图搜图本身关系不大，更像是早年课程为了凑“完整项目”加的尾巴，看目录时可以直接跳过。

判断依据很简单：以图搜图这件事的核心矛盾只有一个——如何把一张图变成一个可比较的向量，以及如何在候选集里快速找到最像的。凡是围绕这两点展开的章节都值钱，偏离这两点的都是包装。

建议精看的三个节点

特征向量那一节。要盯住的是输入尺寸、预训练权重来源、输出维度、是否做 L2 归一化。这四个细节决定后面检索的成败，课程里往往一句话带过，但自己复现时最容易翻车。
相似度计算与召回。重点看用的是余弦还是欧氏、有没有做 top-k、有没有加阈值截断。这部分若只给了代码没讲取舍，需要自己补一篇距离度量的对比笔记。
检索结果的展示与评估。有没有讲怎么判断“搜得准不准”，比如拿几张已知相似的图做自测。缺了这一段，整个项目就只是 demo，不是可验证的系统。

资料包怎么拆开用

这类实战包的资源通常分三层：可运行的代码、配套笔记、以及截图或演示素材。建议的用法是——先只跑代码，不看笔记，看自己卡在哪一步；卡住之后再翻笔记对照，这时候笔记才是“答疑”而不是“预习”。演示截图那类文件价值最低，最多用来确认最终效果长什么样，不必花时间。

另外提醒一句：以图搜图的代码往往依赖特定版本的深度学习框架和向量检索库，年份早一点的环境很容易装不上。与其死磕复现原环境，不如把特征提取那几行抽出来，换到自己熟悉的环境里重写一遍，收获反而更大。

适合谁，不适合谁

适合已经会写 Python、调过至少一个深度学习模型、想补上“检索”这一环的人。不适合零基础，也不适合想系统学表征学习理论的人——这门课不会带你走到那一步。把它当成一次动手练手，拆出特征提取和向量检索两个模块自己重写，比按顺序刷完更有用。

image.webp 下载附件   保存到相册 2022-7-18 01:06 上传

课程推荐

《基于深度学习的以图搜图实战》image.webp 下载附件   保存到相册 2022-7-18 01:06 上传【技能收获】学完可掌握：Vue / 前端工程化。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（37 节）

* 1 课程介绍.mp4

* 2 图像搜图应用场景介绍.mp4

* 3 图像搜图系统架构.mp4

* 4 图像搜图原理.mp4

* 5 图像搜图项目思路梳理.mp4

* 6 初识CNN.mp4

* 7 CNN卷积层概念.mp4

* 8 CNN中的stride和zero-padding.mp4

* 9 CNN特征图计算.mp4

* 10 CNNPoolLayers和FC训练过程演示.mp4

* 11 CNN网络发展历史.mp4

* 12 图形化介绍FC和CNN区别以及CNN层概念.mp4

* 13 keras实现CNN网络.mp4

* 14 图形化方式介绍CNN在图像应用[1020].mp4

* 15 CNN在语音和文本中应用介绍.mp4

* 16 为什么学习faiss.mp4

* 17 faiss安装.mp4

* 18 faiss快速入门.mp4

* 19 faiss索引类型介绍.mp4

* 20 faiss基础模块和index索引类型选型.mp4

* 21 faiss不同索引类型介绍和源码分析.mp4

* 22 faiss实验基准测试.mp4

* 23 网络模型初始化.mp4

* 24 特征提取方法定义.mp4

* 25 自定义数据集Datatset和源码分析.mp4

* 26 批量数据加载和功能测试验证.mp4

* 27 图片特征提取.mp4

* 28 加载图片特征数据.mp4

* 29 完成图片特征索引构建.mp4

* 30 构建图片特征索引数据.mp4

* 31 图片检索知识要点.mp4

* 32 图片检索模型加载.mp4

* 33 相似图片检索方法定义.mp4

* 34 以图搜索实现1.mp4

* 35 以图搜索实现2.mp4

* 36 以图搜索实现3.mp4

* 37 以图搜索实现4（附：全部资料).mp4