使用整數列表進行全文搜索的最佳方法文檔

Question

我正在研究基於相似性的C++/Qt圖像檢索系統，其工作原理如下（我將盡量避免不相關或偏離主題的詳細信息）：

我使用OpenCV函數從圖像中獲取圖像並構建索引。之後，對於每幅圖像，我都會得到一個表示每個圖像所屬的重要「類」的整數值列表。兩個圖像共有的整數越多，它們被認爲越相似。 因此，當我想查詢系統時，我只需計算表示查詢圖像的整數列表，執行全文搜索（或類似）並檢索X最相似的圖像。

我的問題是，什麼是最好的方法permorm這樣的搜索？ 我聽說過Lucene，Lemur和其他索引方法，但我不知道這種全文搜索是否是最好的方法，因爲域被縮小了（只有整數而不是單詞）。 我想知道關於效率，準確性或C++友善方面的替代方案。

謝謝！

Answer 1

這聽起來像你有一個vectorspace model，所以Lucene或類似的產品可能適合你。在一般情況下，倒指數模型將是很好的，如果：

1. 你不知道事先班數
2. 有相對於圖像的數量大量類

如果你的問題不符合這些標準，正如Thomas建議的那樣，正常的關係數據庫可能會更好地工作。如果它符合＃1但不符合＃2，則可以調查其中一個「列嚮導」非關係數據庫。我不太瞭解這些情況，告訴你他們工作的效果如何，但我的直覺是你需要自己在IR工具包中複製很多功能。

Lucene是用Java編寫的，我不知道任何C++端口。 Solr將Lucene公開爲Web服務，因此很容易從您選擇的任何語言訪問它。

我對狐猴並不瞭解，但看起來它有一個類似的向量空間模型，並且它是用C++編寫的，因此可能更容易使用。

Answer 2

你可以看看Lucene的圖像檢索（里拉）位置：http://www.semanticmetadata.net/2006/05/19/lire-lucene-image-retrieval-04-released/

如果我錯了，你想實現的話圖像檢索的一個典型的包我是正確的？如果是這樣，你可能試圖建立一個倒排文件索引。 Lucene本身並不適合，因爲你可能已經意識到它索引文本而不是數字。使用它的類來查詢索引也會成爲一個問題，因爲它不是用來解析（即檢測關鍵點，提取描述符，然後將它們矢量量化）圖像到查詢向量中。

LIRE另一方面已被修改爲索引特徵向量。然而，它似乎並沒有爲包裝袋的文字模型開箱即用。另外，我認爲我已經在作者的網站上看到，它目前使用蠻力匹配而不是倒排文件索引來檢索圖像，但我預計它會比Lucene本身更容易擴展。

希望這會有所幫助。