milvus-logo
Star
0
Forks
0
快速开始

图片相似度检索

本教程将介绍如何使用开源向量数据库 Milvus 搭建图片相似度检索系统。

本教程中使用到的 ML 模型及第三方软件包括:

  • YOLOv3
  • ResNet-50
  • MySQL

像谷歌这样的大型搜索引擎已经为用户提供了按图片搜索的选项。另外,电商平台已经意识到以图搜图功能可以方便网购者,所以亚马逊在其智能手机应用程序中集成了以图搜图功能。


在本教程中,你将学会如何构建一个图片相似度检索系统。该系统可以检测图案,并返回与你上传的图片相似的其他图片。为了搭建这样一个图片相似度检索系统,请先下载包含 20 个类别、17125 张图片的 PASCAL VOC 图片数据集。然后使用 YOLOv3 进行目标检测、使用 ResNet-50 进行图像特征提取。 所有图片通过上述两个机器学习(ML)模型被转换为 256 维的向量。将图片向量存储在 Milvus 中,Milvus 自动为每个向量生成唯一的 ID。 然后使用 MySQL 用于存储 向量 ID 及数据集图片间的映射关系。新上传到图片搜索系统中的图片将被转换为新的向量,Milvus 将比较新向量与之前存储在 Milvus 中的所有向量数据的相似度,并返回最相似向量的 ID。随后,你可以在 MySQL 中查询 ID 所对应的图像。


image_search
Workflow of a reverse image search system.

image_search_demo
Demo of a reverse image search system.

该页面是否对你有帮助?
本页目录