博客
关于我
210627小白学视觉 | 实战 | 多种方法实现以图搜图(Transfer learning+Training Autoencoders)
阅读量:791 次
发布时间:2019-03-25

本文共 640 字,大约阅读时间需要 2 分钟。

以图搜图技术在日常生活中的应用越来越广泛。想象一下,你看到了某张图片或某件衣服,甚至是某个明星,继续无端发问身边的小伙伴吗?通过图搜技术,你已经可以轻松解决这些问题了吧。这种既有趣又实用的技术背后到底有怎样的实现方法呢?

在这之前,我们之前分享的实现方案操作步骤比较复杂,且最终呈现的效果不够精致。因此,本次我们希望实现更直观、更美观的效果。

具体目标很明确。我们希望在同样的基础上,通过优化算法和展示效果,实现更简便的操作流程。你提交要求查询图片后,我们将直接输出相应的结果。在展示结果时,一张查询图片放在顶部,下方则会自动呈现出与之最相似的五张图片。

在这里,我们采用了更加专业的方法来实现这一功能。我们首先对查询图片和数据库图片分别进行处理,将图片数据转换为固定大小的特征向量,这就是所谓的image embeddings。然后,我们采用余弦相似度作为距离度量标准,通过kNN算法快速找到数据库中与查询图片最为相似的k张图片。

在具体操作上,我们特别准备了36种食物类别的图片库。每种食物都安排了6张图片,共计216张图片。通过对这些图片进行预处理和特征提取,建立精确的数据库。然后,在获取查询图片后,系统自动在数据库中搜索最相似的结果磁器。

通过这样的方式,用户只需要提交需要查询的图片,最多只需3秒钟就能卸load得到最接近的5张图片结果。这不仅提升了操作的便捷性,还通过精美的界面呈现,使得结果更加直观可读。这种方式最大限度地节省了用户的时间,还提供了更好的使用体验。

转载地址:http://dsvuk.baihongyu.com/

你可能感兴趣的文章
Luogu2973:[USACO10HOL]赶小猪
查看>>
mabatis 中出现< 以及> 代表什么意思?
查看>>
Mac book pro打开docker出现The data couldn’t be read because it is missing
查看>>
MAC M1大数据0-1成神篇-25 hadoop高可用搭建
查看>>
mac mysql 进程_Mac平台下启动MySQL到完全终止MySQL----终端八步走
查看>>
Mac OS 12.0.1 如何安装柯美287打印机驱动,刷卡打印
查看>>
MangoDB4.0版本的安装与配置
查看>>
Manjaro 24.1 “Xahea” 发布!具有 KDE Plasma 6.1.5、GNOME 46 和最新的内核增强功能
查看>>
mapping文件目录生成修改
查看>>
MapReduce程序依赖的jar包
查看>>
mariadb multi-source replication(mariadb多主复制)
查看>>
MariaDB的简单使用
查看>>
MaterialForm对tab页进行隐藏
查看>>
Member var and Static var.
查看>>
memcached高速缓存学习笔记001---memcached介绍和安装以及基本使用
查看>>
memcached高速缓存学习笔记003---利用JAVA程序操作memcached crud操作
查看>>
Memcached:Node.js 高性能缓存解决方案
查看>>
memcache、redis原理对比
查看>>
memset初始化高维数组为-1/0
查看>>
Metasploit CGI网关接口渗透测试实战
查看>>