Unipower Image Retrieval Engine Based on Keras

In [1]: import keras
Using Theano backend.

使用

• 步骤一

python index.py -database <path-to-dataset> -index <name-for-output-index>

• 步骤二

python query_online.py -query <path-to-query-image> -index <path-to-index-flie> -result <path-to-images-for-retrieval>

├── database 图像数据集
├── extract_cnn_vgg16_keras.py 使用预训练vgg16模型提取图像特征
|── index.py 对图像集提取特征，建立索引
├── query_online.py 库内搜索
└── README.md

示例

# 对database文件夹内图片进行特征提取，建立索引文件featureCNN.h5
python index.py -database database -index featureCNN.h5

# 使用database文件夹内001_accordion_image_0001.jpg作为测试图片，在database内以featureCNN.h5进行近似图片查找，并显示最近似的3张图片
python query_online.py -query database/001_accordion_image_0001.jpg -index featureCNN.h5 -result database

Flask Web Restful 接口

python web_restful.py

修复因为第一次加载model提取特征再次请求导致GPU OOM问题

model = VGGNet()
q_vector = model.extract_feat(im_file)

clear_session()
tf.reset_default_graph()

没法并发测试，修复并发测试跑一张图占满整个GPU问题

config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.1 # 占用GPU10%的显存
session = tf.Session(config=config)

使用gunicore代理服务，提高服务并发能力

gunicorn -w 4 -b 0.0.0.0:9393 web_restful:app

相关资料

图像特征提取算法

常用的图像特征提取算法有 SIFT, SURF, CNN HOG特征，LBP特征，Haar特征

特征矩阵相似度的计算方法

计算两个特征矩阵之间的余弦相似度。 高维数据的快速最近邻算法FLANN，构造kd Tree。优先搜索k-means树算法，层次聚类树， 设计高可用的哈希算法，把高维矩阵映射到哈希值上，LSH(Locality Sensitive Hashing)局部敏感哈希算法

https://blog.csdn.net/jinxueliu31/article/details/37768995

https://blog.csdn.net/wonner_/article/details/80985727

https://blog.csdn.net/guoziqing506/article/details/53019049

https://waltyou.github.io/Faiss-In-Project/