python+milvus实现一个以图搜图系统

土豆怎么做都好吃

已于 2023-04-11 11:18:19 修改

阅读量4.6k

点赞数 1

分类专栏：个人文章标签： python milvus 机器学习

于 2023-04-11 10:54:07 首次发布

本文链接：https://blog.csdn.net/weixin_43316101/article/details/130076870

版权

个人专栏收录该内容

25 篇文章

订阅专栏

文章介绍了如何搭建一个个人的以图搜图系统，包括使用Docker-compose安装Milvus，通过Python集成Towhee和ResNet50模型提取特征向量，将数据存储到Milvus，以及启动后端Python服务和前端展示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

引言

当您听到“以图搜图”时，是否首先想到了百度、Google 等搜索引擎的以图搜图功能呢？事实上，您完全可以搭建一个属于自己的以图搜图系统：自己建立图片库；自己选择一张图片到库中进行搜索，并得到与其相似的若干图片。

说明

大概需要三个步骤

准备数据
训练数据
查询数据

准备数据

在这里插入图片描述

训练数据

在这里插入图片描述

训练数据的步骤这里是用了python方式集成towhee使用resnet50模型训练提出特征向量，存储到milvus，技术背景自行去了解，本文只整理操作步骤

安装minlvus（docker-compose方式）

1）、下载docker-compose.yml

wget https://github.com/milvus-io/milvus/releases/download/v2.1.4/milvus-standalone-docker-compose.yml -O docker-compose.yml

2）、docker启动docker-compose

docker-compose up -d

启动成功会显示

Creating milvus-etcd  ... done
Creating milvus-minio ... done
Creating milvus-standalone ... done

查询容器状态

docker-compose ps

      Name                     Command                  State                            Ports
--------------------------------------------------------------------------------------------------------------------
milvus-etcd         etcd -advertise-client-url ...   Up             2379/tcp, 2380/tcp
milvus-minio        /usr/bin/docker-entrypoint ...   Up (healthy)   9000/tcp
milvus-standalone   /tini -- milvus run standalone   Up             0.0.0.0:19530->19530/tcp, 0.0.0.0:9091->9091/tcp

觉得不清楚的可以参考官方文档
https://milvus.io/docs/v2.1.x/install_standalone-docker.md

python集成milvus+towhee

官方项目Demo包含前后端，其中后端python实现，前端演示react实现
https://github.com/milvus-io/bootcamp/tree/master/solutions/image/reverse_image_search/one_step

提取特征向量的核心代码

import towhee
from towhee.functional.option import _Reason

class ResNet50:
    def __init__(self):
        self.pipe = (towhee.dummy_input()
                    .image_decode()
                    .image_embedding.timm(model_name='resnet50')
                    .tensor_normalize()
                    .as_function()
        )
      
    def resnet50_extract_feat(self, img_path):
        feat = self.pipe(img_path)
        if isinstance(feat, _Reason):
            raise feat.exception
        return feat


if __name__ == "__main__":
    ResNet50().resnet50_extract_feat('https://github.com/towhee-io/towhee/raw/main/towhee_logo.png')

python后端启动方式

启动之前，首先修改config.py，将host修改成自己部署milvus服务器的host

MILVUS_HOST = os.getenv("MILVUS_HOST", "127.0.0.1")
MILVUS_PORT = int(os.getenv("MILVUS_PORT", "19530"))

然后安装依赖，启动

$ cd bootcamp/solutions/reverse_image_search/one_step/server
$ pip install -r requirements.txt
$ python main.py

在这里插入图片描述

启动前端

注意：

前端demo只是一个功能演示，可以自己使用postman调用后端接口测试
确保自己有nodejs环境

前端目录：cd bootcamp/solutions/reverse_image_search/one_step/client
1、首先修改/src/utils/Endpoints.ts中后端调用服务器端口，就是刚刚启动python项目端口
在这里插入图片描述

2、启动，我这边用的yarn

yarn install
yarn  start

在这里插入图片描述
浏览器输入http://localhost:3000/

填入需要训练入库的图片文件夹，点击+

我们其实可以f12查看其接口的调用，刚刚的训练数据已经入库，现在显示有14个特征

查询数据

在这里插入图片描述