《相似度对比模型训练及在AidLux上部署应用》

基于AidLux的互联网图片安全风控实战：《相似度对比模型训练及在AidLux上部署应用》
1.基于相似度比对的真假识别算法介绍
（1）出发点：利用深度神经网络，提取印章深度特征，同时学习印章之间的相似度，自己与自己相似，自己与其它不相似。
（2）常见的相似性度量的深度学习方法：Siamese网络、Triplet Loss网络、本文方法。
2.相似度比对模型训练与测试
（1）训练步骤为：
①按上述格式放置数据集，放在dataset.文件夹下；
②将train.py当中的train_own_data设置成True；
③运行train.py开始训练，可以观察对应step训练集和验证集的准确率。
训练完成后可以看训练过程中oSs记录和loss曲线，在log文件夹下。
（2）模型转换与测试
①pth->onnx
模型转换：选取最优的模型进行转换，代码见-model_convert/pth2onnx.py
模型推理：onnx推理代码见model_convert/onnx_infer.py
②onnx->tflite
打开网站：https://aimo.aidlux.com/#/model-convert
输入试用账号和密码：账号：AIMOTC001,密码：AIMOTC00
模型转换
模型推理
③onnx->dlc
进行模型转换
3.AidLux平台部署
进行tflite部署、dlc部署。
4.实战过程
训练自己的相似度比对模型，并完成模型转换到onnx，然后使用AIMO转换工具在线转换为tflite模型和dlc模型，针对test集中的2对图片 (两个同一样式真章和一个真章和对应的假章）进行测试。

具体的转换过程、推理过程、可视化结果内容见：https://www.bilibili.com/video/BV1Xg4y1d739/?share_source=copy_web&vd_source=d45c8daa67c19c9c4f37e59bbd65d178