python tensorflow 以图搜图_以图搜图系统工程实践

以图搜图系统工程实践

之前写过一篇概述: 以图搜图系统概述 。

以图搜图系统需要解决的主要问题是：

提取图像特征向量(用特征向量去表示一幅图像)

特征向量的相似度计算(寻找内容相似的图像)

对应的工程实践，具体为：

卷积神经网络 CNN 提取图像特征

向量搜索引擎 Milvus

CNN

使用卷积神经网路 CNN 去提取图像特征是一种主流的方案，具体的模型则可以使用 VGG16 ，技术实现上则使用 Keras + TensorFlow ，参考 Keras 官方示例：

from keras.applications.vgg16 import VGG16

from keras.preprocessing import image

from keras.applications.vgg16 import preprocess_input

import numpy as np

model = VGG16(weights='imagenet', include_top=False)

img_path = 'elephant.jpg'

img = image.load_img(img_path, target_size=(224, 224))

x = image.img_to_array(img)

x = np.expand_dims(x, axis=0)

x = preprocess_input(x)

features = model.predict(x)

这里提取出来的 feature 就是特性向量。

1、归一化

为了方便后续操作，我们常常会将 feature 进行归一化的处理：

from numpy import linalg as LA

norm_feat = feat[0]/LA.norm(feat[0])

后续实际使用的也是归一化后的 norm_feat 。

2、Image 说明

这里加载图像使用的是 keras.preprocessing 的 image.load_img 方法即：

from keras.preprocessing import image

img_path = 'elephant.jpg'

img = image.load_img(img_path, target_size=