รวมผู้ค้นหารูปภาพ

การค้นหารูปภาพช่วยให้สามารถค้นหารูปภาพที่คล้ายกันในฐานข้อมูลของรูปภาพได้ มันทำงานโดยฝังคำค้นหาลงในเวกเตอร์มิติสูงที่แสดงถึงความหมายเชิงความหมายของข้อความค้นหา ตามด้วยการค้นหาความคล้ายคลึงกันในดัชนีที่กำหนดเองที่กำหนดไว้ล่วงหน้าโดยใช้ ScaNN (เพื่อนบ้านที่ใกล้ที่สุดที่ปรับขนาดได้)

ตรงข้ามกับการ จัดหมวดหมู่รูปภาพ การขยายจำนวนรายการที่สามารถจดจำได้ ไม่จำเป็นต้องฝึกอบรมซ้ำกับโมเดลทั้งหมด สามารถเพิ่มรายการใหม่ได้โดยการสร้างดัชนีใหม่ นอกจากนี้ยังช่วยให้สามารถทำงานกับฐานข้อมูลรูปภาพขนาดใหญ่กว่า (100k+ รายการ)

ใช้ Task Library ImageSearcher API เพื่อปรับใช้โปรแกรมค้นหารูปภาพที่กำหนดเองในแอพมือถือของคุณ

คุณสมบัติหลักของ ImageSearcher API

• รับภาพเดียวเป็นอินพุต ทำการสกัดแบบฝัง และค้นหาเพื่อนบ้านที่ใกล้ที่สุดในดัชนี

• ป้อนข้อมูลการประมวลผลภาพ รวมทั้งการหมุน การปรับขนาด และการแปลงพื้นที่สี

• ภูมิภาคที่น่าสนใจของภาพที่ป้อน

ข้อกำหนดเบื้องต้น

ก่อนใช้ ImageSearcher API จะต้องสร้างดัชนีตามคลังข้อมูลที่กำหนดเองของรูปภาพเพื่อค้นหา ซึ่งสามารถทำได้โดยใช้ Model Maker Searcher API โดยทำตามและปรับบทช่วย สอน

สำหรับสิ่งนี้คุณจะต้อง:

• โมเดลตัวฝังรูปภาพ TFLite เช่น mobilenet v3 ดูโมเดลตัวฝังล่วงหน้าเพิ่มเติม (หรือโมเดลเวกเตอร์คุณลักษณะ) จาก คอลเล็กชัน Google Image Modules บน TensorFlow Hub
• คลังภาพของคุณ

หลังจากขั้นตอนนี้ คุณควรมีโมเดลตัวค้นหา TFLite แบบสแตนด์อโลน (เช่น mobilenet_v3_searcher.tflite ) ซึ่งเป็นโมเดลตัวฝังรูปภาพดั้งเดิมที่มีดัชนีแนบอยู่ในข้อมูลเมตาของ โมเดล TFLite

เรียกใช้การอนุมานใน Java

ขั้นตอนที่ 1: นำเข้าการพึ่งพา Gradle และการตั้งค่าอื่นๆ

คัดลอกไฟล์โมเดลผู้ค้นหา .tflite ไปยังไดเร็กทอรีทรัพย์สินของโมดูล Android ที่จะเรียกใช้โมเดล ระบุว่าไม่ควรบีบอัดไฟล์ และเพิ่มไลบรารี TensorFlow Lite ลงในไฟล์ build.gradle ของโมดูล:

android {
    // Other settings

    // Specify tflite index file should not be compressed for the app apk
    aaptOptions {
        noCompress "tflite"
    }

}

dependencies {
    // Other dependencies

    // Import the Task Vision Library dependency (NNAPI is included)
    implementation 'org.tensorflow:tensorflow-lite-task-vision:0.4.0'
    // Import the GPU delegate plugin Library for GPU inference
    implementation 'org.tensorflow:tensorflow-lite-gpu-delegate-plugin:0.4.0'
}

ขั้นตอนที่ 2: การใช้โมเดล

// Initialization
ImageSearcherOptions options =
    ImageSearcherOptions.builder()
        .setBaseOptions(BaseOptions.builder().useGpu().build())
        .setSearcherOptions(
            SearcherOptions.builder().setL2Normalize(true).build())
        .build();
ImageSearcher imageSearcher =
    ImageSearcher.createFromFileAndOptions(context, modelFile, options);

// Run inference
List<NearestNeighbor> results = imageSearcher.search(image);

ดู ซอร์สโค้ดและ javadoc สำหรับตัวเลือกเพิ่มเติมในการกำหนดค่า ImageSearcher

เรียกใช้การอนุมานใน C++

// Initialization
ImageSearcherOptions options;
options.mutable_base_options()->mutable_model_file()->set_file_name(model_path);
options.mutable_embedding_options()->set_l2_normalize(true);
std::unique_ptr<ImageSearcher> image_searcher = ImageSearcher::CreateFromOptions(options).value();

// Create input frame_buffer from your inputs, `image_data` and `image_dimension`.
// See more information here: tensorflow_lite_support/cc/task/vision/utils/frame_buffer_common_utils.h
std::unique_ptr<FrameBuffer> frame_buffer = CreateFromRgbRawBuffer(
      image_data, image_dimension);

// Run inference
const SearchResult result = image_searcher->Search(*frame_buffer).value();

ดู ซอร์สโค้ด สำหรับตัวเลือกเพิ่มเติมในการกำหนดค่า ImageSearcher

เรียกใช้การอนุมานใน Python

ขั้นตอนที่ 1: ติดตั้งแพ็คเกจ TensorFlow Lite Support Pypi

คุณสามารถติดตั้งแพ็คเกจ TensorFlow Lite Support Pypi ได้โดยใช้คำสั่งต่อไปนี้:

pip install tflite-support

ขั้นตอนที่ 2: การใช้โมเดล

from tflite_support.task import vision

# Initialization
image_searcher = vision.ImageSearcher.create_from_file(model_path)

# Run inference
image = vision.TensorImage.create_from_file(image_file)
result = image_searcher.search(image)

ดู ซอร์สโค้ด สำหรับตัวเลือกเพิ่มเติมในการกำหนดค่า ImageSearcher

ตัวอย่างผลลัพธ์

Results:
 Rank#0:
  metadata: burger
  distance: 0.13452
 Rank#1:
  metadata: car
  distance: 1.81935
 Rank#2:
  metadata: bird
  distance: 1.96617
 Rank#3:
  metadata: dog
  distance: 2.05610
 Rank#4:
  metadata: cat
  distance: 2.06347

ลองใช้ เครื่องมือสาธิต CLI อย่างง่ายสำหรับ ImageSearcher ด้วยโมเดลและข้อมูลทดสอบของคุณเอง