# 图像搜索 #
0
关注
888内容
算法金 | 没有思考过 Embedding，不足以谈 AI
**摘要：**
本文深入探讨了人工智能中的Embedding技术，解释了它是如何将高维数据映射到低维向量空间以简化处理和捕获内在关系的。文章介绍了词向量、图像嵌入和用户嵌入等常见类型的Embedding，并强调了其在自然语言处理、计算机视觉和推荐系统中的应用。此外，还讨论了Embedding的数学基础，如向量空间和线性代数，并提到了Word2Vec、GloVe和BERT等经典模型。最后，文章涵盖了如何选择合适的Embedding技术，以及在资源有限时的考虑因素。通过理解Embedding，读者能够更好地掌握AI的精髓。
10分钟学会构建端到端的图片搜索服务
本文介绍在没有向量数据的情况下，怎样通过OpenSearch-向量检索版快速从零搭建图像搜索服务。
Elasticsearch 8.X “图搜图”实战
Elasticsearch 8.X “图搜图”实战
矢量数据库在图像识别与检索中的应用实践
【4月更文挑战第30天】本文探讨了矢量数据库在图像识别与检索中的应用，通过特征提取（如SIFT、SURF）、编码和相似度度量实现快速识别。在图像检索流程中，经过预处理、特征提取和编码后，矢量数据库用于查询相似特征，排序后展示给用户。实际案例显示，矢量数据库能提升电商平台的商品图像搜索效率和用户体验。随着技术发展，这一领域应用前景广阔。
使用 PolarDB 开源版 smlar 插件进行高效率相似文本搜索、自助选药、相似人群圈选等业务
背景PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力。本文将介绍使用 PolarDB 开源版 smlar 插件进行高效率相似文本搜索、自助...
图像检索解决方案
针对图像检索业务场景，PAI提供了端到端的相似图像匹配和图像检索解决方案。本文介绍如何基于未标注的数据构建图像自监督模型，助力您快速搭建相似图像匹配和图像检索业务系统，进而实现以图搜图。
Python 深度学习第二版（GPT 重译）（二）(2)
Python 深度学习第二版（GPT 重译）（二）
免费试用