การค้นหารูปภาพช่วยให้สามารถค้นหารูปภาพที่คล้ายกันในฐานข้อมูลรูปภาพได้ ทำงานโดยการฝังคำค้นหาลงในเวกเตอร์มิติสูงซึ่งแสดงถึงความหมายเชิงความหมายของคำค้นหา ตามด้วยการค้นหาความคล้ายคลึงกันในดัชนีแบบกำหนดเองที่กำหนดไว้ล่วงหน้าโดยใช้ ScaNN (Scalable Nearest Neighbors)
ตรงข้ามกับ การจัดหมวดหมู่รูปภาพ การขยายจำนวนรายการที่สามารถรับรู้ได้นั้นไม่จำเป็นต้องมีการฝึกอบรมโมเดลทั้งหมดอีกครั้ง คุณสามารถเพิ่มรายการใหม่ได้เพียงแค่สร้างดัชนีใหม่ นอกจากนี้ยังช่วยให้สามารถทำงานกับฐานข้อมูลรูปภาพขนาดใหญ่กว่า (100,000 รายการ)
ใช้ Task Library ImageSearcher
API เพื่อปรับใช้โปรแกรมค้นหารูปภาพที่กำหนดเองในแอปมือถือของคุณ
คุณสมบัติที่สำคัญของ ImageSearcher API
ถ่ายภาพเดียวเป็นอินพุต ดำเนินการแยกการฝัง และค้นหาเพื่อนบ้านที่ใกล้ที่สุดในดัชนี
การประมวลผลภาพอินพุต รวมถึงการหมุน การปรับขนาด และการแปลงพื้นที่สี
ภูมิภาคที่สนใจของรูปภาพอินพุต
ข้อกำหนดเบื้องต้น
ก่อนที่จะใช้ ImageSearcher
API จะต้องสร้างดัชนีตามคลังรูปภาพที่กำหนดเองเพื่อทำการค้นหา ซึ่งสามารถทำได้โดยใช้ Model Maker Searcher API โดยทำตามและปรับใช้ บทช่วยสอน
สำหรับสิ่งนี้คุณจะต้อง:
- โมเดลการฝังอิมเมจ TFLite เช่น mobilenet v3 ดูโมเดลการฝังที่ได้รับการฝึกล่วงหน้าเพิ่มเติม (หรือที่เรียกว่าโมเดลเวกเตอร์ฟีเจอร์) จาก คอลเลกชัน Google Image Modules บน TensorFlow Hub
- คลังภาพของคุณ
หลังจากขั้นตอนนี้ คุณควรมีโมเดลผู้ค้นหา TFLite แบบสแตนด์อโลน (เช่น mobilenet_v3_searcher.tflite
) ซึ่งเป็นโมเดลการฝังรูปภาพต้นฉบับที่มีดัชนีแนบอยู่ใน เมตาดาต้าของโมเดล 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:0.4.4'
// Import the GPU delegate plugin Library for GPU inference
implementation 'org.tensorflow:tensorflow-lite-gpu-delegate-plugin:0.4.4'
}
ขั้นตอนที่ 2: การใช้แบบจำลอง
// 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 Pypi รองรับ TensorFlow Lite
คุณสามารถติดตั้งแพ็คเกจ Pypi รองรับ TensorFlow Lite ได้โดยใช้คำสั่งต่อไปนี้:
pip install tflite-support
ขั้นตอนที่ 2: การใช้แบบจำลอง
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 ง่ายๆ สำหรับ ImageSearcher ด้วยโมเดลและข้อมูลการทดสอบของคุณเอง