全文总字数：1673字

1. 研究目的与意义及国内外研究现状

本课题的目的：找到一种合适的基于机器学习特征来表达图像信息，并利用图像库训练出索引，最终完成一个图像搜索系统。

本课题的研究意义：在传统的基于图像内容信息的图像检索方法中，通过提取图像的颜色、纹理特征（例如sift特征），这种方法会因拍摄图片的环境因素对检索结果造成影响。通过将机器学习与图像检索结合，可以提高检索精度。

随着网络的广泛使用，网络图像数据增长迅速，面对大规模的图像数据，用户希望直接输入一张图片，反馈类似的图片。与用户通过输入关键字检索相比，这种方法排除了用户对检索对象的主观因素，也就提高了返回用户感兴趣图像的几率。

国内外研究现状

随着国内移动端应用和4g网络的普及，网络上的信息井喷式地增长，国内最热门的资讯平台上的图片数量在千万级，各大电商平台的商品图片也日渐增长。在海量的资源下，用户希望通过搜索引擎检索出与待检索图像类似的图像，同时希望它们的内容信息的匹配度最大化，而不只是纹理结构或颜色相似。

2. 研究的基本内容

本课题旨在研究一种基于机器学习的图像搜索算法，并应用于图像检索系统，主要研究内容如下：

1）从网络上下载大量图像，建立图像数据库；

3. 实施方案、进度安排及预期效果

实行方案：

首先使用一个图像爬虫程序，从网络上下载大量的图像构建图像数据库，然后通过一种合适的机器学习特征提取算法提取数据库中每一张图片的机器学习特征，并根据特征序列建立索引。用户上传一张图片后，提取该图片的机器学习特征，利用该特征信息在系统中搜索相似的图片推荐给用户。

4. 参考文献

[1] Ji Wan,Dayong Wang,Steven C.H.Hoi,Pengcheng Wu,jianke Zhu,Yongdong Zhang,Jintao Li.Deep Learning for Content-Based Image Retrieval:A Comprehensive Study[C].ACM International Conference on Multimedia,pp:157-166,2014.

[2] K Lin,HF Yang,JH Hsiao,CS Chen.Deep learning of binary hash codes for fast image retrieval[C].IEEE Conferencemon Computer VisionPattern Recognition Workshop,pp:27-35,2015.

[3] A Babenko，A Slesarev，A Chigorin，V Lempitsky.Neural Codes for Image Retrieval[C].Computer Vision-ECCV 2014,pp:584-599,2014.