python 图片相似度计算

用到了插件 similarity_index_of_label_graph

git 项目源码地址:https://github.com/fsssosei/similarity_index_of_label_graph

 

安装 

pip install similarity-index-of-label-graph

使用

from similarity_index_of_label_graph_package import similarity_index_of_label_graph_class
from networkx.generators.directed import gnr_graph

def main():
    G1 = gnr_graph(100, 0.3, seed=65535)
    G2 = gnr_graph(100, 0.3, seed=1)
    similarity_index_of_label_graph = similarity_index_of_label_graph_class()
    res=similarity_index_of_label_graph(G1, G2)
    print(res)
    pass



if __name__ == '__main__':
    main()

结果

0.7651719671571124

参考:https://zhuanlan.zhihu.com/p/123365654?utm_source=qq

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
你可以使用 Python 中的一些库来进行人脸相似度计算,其中比较常用的是 OpenCV 和 dlib。 首先,你需要使用一个人脸检测器来检测图像中的人脸位置。Dlib 库提供了一个强大的人脸检测器,你可以使用它来获取人脸的边界框。 接下来,你可以使用 dlib 库中的面部特征提取器来提取人脸的特征向量。这些特征向量可以用来表示人脸的唯一特征。 一旦你得到了两个人脸的特征向量,你可以使用某种距离度量方法来计算它们之间的相似度。例如,你可以使用欧氏距离或余弦相似度等方法来进行计算。 下面是一个简单的示例代码,展示了如何使用 dlib 库来计算两张人脸图片之间的相似度: ```python import dlib from scipy.spatial import distance # 加载人脸检测器和面部特征提取器 detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor('shape_predictor_68_face_landmarks.dat') # 加载图像并进行人脸检测与特征提取 img1 = dlib.load_rgb_image('image1.jpg') faces1 = detector(img1) shape1 = predictor(img1, faces1[0]) face_descriptor1 = facerec.compute_face_descriptor(img1, shape1) img2 = dlib.load_rgb_image('image2.jpg') faces2 = detector(img2) shape2 = predictor(img2, faces2[0]) face_descriptor2 = facerec.compute_face_descriptor(img2, shape2) # 计算两个特征向量之间的欧氏距离 euclidean_distance = distance.euclidean(face_descriptor1, face_descriptor2) print("相似度: ", euclidean_distance) ``` 请注意,上述代码中使用的人脸检测器和面部特征提取器需要通过下载预训练模型来进行加载。你可以在 dlib 的官方网站上找到这些模型的下载链接。 希望这能帮到你!如果还有其他问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

安果移不动

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值