基于深度学习图像特征匹配,用于图像去重
共 2046字,需浏览 5分钟
·
2022-02-26 23:18
向AI转型的程序员都关注了这个号👇👇👇
机器学习AI算法工程 公众号:datayx
基于Flask RESTful api的图像特征检索方案,api传入url/base64即可在毫秒内返回数据库匹配结果,主要用于图像去重,后续拓展使用范围。
1. 项目说明:
本项目基于开源框架PyRetri进行二次开发,同时结合facebook开源项目Facebook AI Similarity Search,设计出基于Flask的RESTful api接口,目的是为了解决以下几个场景问题:
1)本地已经存储大规模专业图像数据集,新增图像可能与现有数据存在重合或高度相似,需要快速剔除;
2)网络爬虫图像去重;
3)本地存储大量冗余图片去重。
相关代码,获取方式:
关注微信公众号 datayx 然后回复 图像匹配 即可获取。
2. 产品介绍:
本框架优势:
方便易用:基于Flask—RESTful设计,只需将url或base64数据传入api,即可快速得到匹配结果
准确度高:基于深度学习提取特征,相比于传统感知哈希算法去重dHash准确率更高
速度快:基于faiss开发,能应对百万级数据量特征做出毫秒级快速匹配
多用户并发:基于Flask开发,可同时为多用户并发提供服务
检索模块自更新:集成检索模块自更新功能,自动处理新增数据并完成检索模型更新,一次部署后续轻松
后续优化:
检索准确度基于现有PyRetri特征提取功能,主要依赖于ResNet50特征抽取,对复杂图片或者高度相似图片存在一定程度的匹配失败问题
基于现有Flask并发,高并发能力较弱
启动方式:
服务代码:app.py文件
api测试代码:test_script/link_flask.py
目前进展:整体框架demo测试结束,后续进行逻辑优化与改进
机器学习算法AI大数据技术
搜索公众号添加: datanlp
长按图片,识别二维码
阅读过本文的人还看了以下文章:
基于40万表格数据集TableBank,用MaskRCNN做表格检测
《深度学习入门:基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分?
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加: datayx