अपने स्थानीय TensorFlow के लिए RSVP आज हर जगह घटना!
इस पेज का अनुवाद Cloud Translation API से किया गया है.
Switch to English

DELF और TensorFlow हब का उपयोग करके छवियों का मिलान कैसे करें

TensorFlow.org पर देखें Google Colab में चलाएं GitHub पर देखें नोटबुक डाउनलोड करें TF हब मॉडल देखें

TensorFlow Hub (TF-Hub) पुन: प्रयोज्य संसाधनों में पैक मशीन लर्निंग विशेषज्ञता को साझा करने का एक मंच है, विशेष रूप से पूर्व-प्रशिक्षित मॉड्यूल ।

इस कोलाब में, हम एक मॉड्यूल का उपयोग करेंगे जो कि कीप और उनके विवरणों की पहचान करने के लिए प्रसंस्करण छवियों के लिए DELF तंत्रिका नेटवर्क और तर्क को पैकेज करता है। तंत्रिका नेटवर्क के वजन को इस पत्र में वर्णित स्थलों की छवियों पर प्रशिक्षित किया गया था।

सेट अप

pip install -q scikit-image

from absl import logging

import matplotlib.pyplot as plt
import numpy as np
from PIL import Image, ImageOps
from scipy.spatial import cKDTree
from skimage.feature import plot_matches
from skimage.measure import ransac
from skimage.transform import AffineTransform
from six import BytesIO

import tensorflow as tf

import tensorflow_hub as hub
from six.moves.urllib.request import urlopen

आंकड़ा

अगली सेल में, हम उन दो छवियों के URL निर्दिष्ट करते हैं, जिन्हें हम मिलान करने और उनकी तुलना करने के लिए DELF के साथ संसाधित करना चाहते हैं।

चित्र चुनें

डाउनलोड करें, आकार बदलें, सहेजें और छवियों को प्रदर्शित करें।

def download_and_resize(name, url, new_width=256, new_height=256):
  path = tf.keras.utils.get_file(url.split('/')[-1], url)
  image = Image.open(path)
  image = ImageOps.fit(image, (new_width, new_height), Image.ANTIALIAS)
  return image

image1 = download_and_resize('image_1.jpg', IMAGE_1_URL)
image2 = download_and_resize('image_2.jpg', IMAGE_2_URL)

plt.subplot(1,2,1)
plt.imshow(image1)
plt.subplot(1,2,2)
plt.imshow(image2)

Downloading data from https://upload.wikimedia.org/wikipedia/commons/2/28/Bridge_of_Sighs%2C_Oxford.jpg
7020544/7013850 [==============================] - 0s 0us/step
Downloading data from https://upload.wikimedia.org/wikipedia/commons/c/c3/The_Bridge_of_Sighs_and_Sheldonian_Theatre%2C_Oxford.jpg
14172160/14164194 [==============================] - 1s 0us/step

<matplotlib.image.AxesImage at 0x7fb4a6efa860>

पींग

डेटा में DELF मॉड्यूल लागू करें

DELF मॉड्यूल इनपुट के रूप में एक छवि लेता है और वैक्टर के साथ उल्लेखनीय बिंदुओं का वर्णन करेगा। निम्न कक्ष में इस कोलाब के तर्क का मूल है।

delf = hub.load('https://tfhub.dev/google/delf/1').signatures['default']

def run_delf(image):
  np_image = np.array(image)
  float_image = tf.image.convert_image_dtype(np_image, tf.float32)

  return delf(
      image=float_image,
      score_threshold=tf.constant(100.0),
      image_scales=tf.constant([0.25, 0.3536, 0.5, 0.7071, 1.0, 1.4142, 2.0]),
      max_feature_num=tf.constant(1000))

result1 = run_delf(image1)
result2 = run_delf(image2)

छवियों का मिलान करने के लिए स्थानों और वर्णन वैक्टर का उपयोग करें

इस पोस्ट-प्रोसेसिंग और विज़ुअलाइज़ेशन के लिए TensorFlow की आवश्यकता नहीं है

def match_images(image1, image2, result1, result2):
  distance_threshold = 0.8

  # Read features.
  num_features_1 = result1['locations'].shape[0]
  print("Loaded image 1's %d features" % num_features_1)

  num_features_2 = result2['locations'].shape[0]
  print("Loaded image 2's %d features" % num_features_2)

  # Find nearest-neighbor matches using a KD tree.
  d1_tree = cKDTree(result1['descriptors'])
  _, indices = d1_tree.query(
      result2['descriptors'],
      distance_upper_bound=distance_threshold)

  # Select feature locations for putative matches.
  locations_2_to_use = np.array([
      result2['locations'][i,]
      for i in range(num_features_2)
      if indices[i] != num_features_1
  ])
  locations_1_to_use = np.array([
      result1['locations'][indices[i],]
      for i in range(num_features_2)
      if indices[i] != num_features_1
  ])

  # Perform geometric verification using RANSAC.
  _, inliers = ransac(
      (locations_1_to_use, locations_2_to_use),
      AffineTransform,
      min_samples=3,
      residual_threshold=20,
      max_trials=1000)

  print('Found %d inliers' % sum(inliers))

  # Visualize correspondences.
  _, ax = plt.subplots()
  inlier_idxs = np.nonzero(inliers)[0]
  plot_matches(
      ax,
      image1,
      image2,
      locations_1_to_use,
      locations_2_to_use,
      np.column_stack((inlier_idxs, inlier_idxs)),
      matches_color='b')
  ax.axis('off')
  ax.set_title('DELF correspondences')

match_images(image1, image2, result1, result2)

Loaded image 1's 233 features
Loaded image 2's 262 features
Found 50 inliers

पींग