实战 | 多种方法实现以图搜图

• 2019 年 10 月 7 日
• 笔记

作者：Anson Wong 编译：AI算法与图像处理 代码链接：https://github.com/ankonzoid/artificio/tree/master/image_retrieval 以图搜图技术是日常生活中常用的功能，当你看到某张图片某件衣服甚至是某个明星，可能都无须舔着脸问你身边的小伙伴了，因为目前的搜图技术能基本满足你的日常需求。那么这么有趣又实用的技术，到底如何去实现它呢？之前有分享过两篇相关的文章《是时候展示一波花里胡哨了——以图搜图》 《以图搜图技术演进和架构优化【优质文章】》 预期目标

之前分享的相对比较麻烦，需要多个操作步骤，最终的显示效果也并不是非常美观。因此今天，我们膨胀了，希望一步到位并让结果更加漂亮哦～ 定个小目标： 希望输出下面的结果，最上面一行是query图片（需要查询图片），下面一行输出五个与查询图片最接近的结果。

实施方案 给定一组查询图片和数据库图片。我们对数据库图片执行以图搜图操作，在image embeddings（将图片数据转换为固定大小的特征表示——矢量）上以余弦相似度作为距离度量使用kNN获取前k个最相似的数据库中的图片。 在接下来的例子中，我们提供了36个食物数据库中的图片（每种食物有6张图：牛排、土豆、炸薯条、沙拉、汉堡、芦笋），通过查询3张并未在数据库中出现的测试图片执行图片搜索功能。 链接中的代码已提供爬Google图片的代码以及对图片进行预处理的相关操作 将采用以下两种方法执行以图搜图功能： 1）Transfer learning 2）Training Autoencoders Trainsfer learning 通过使用例如预训练模型VGG19生成 image embeddings（可以理解为图片的特征向量） 。这是通过移除VGG199模型最后的基层，并对我们的图片进行维度变换，压缩成一维向量。整个过程无需训练，只需利用预训练模型的权重即可。 下图为整个过程的原理图：

Training Autoencoders 我们在数据库图片上同时训练simple autoencoder 和 convolutional autoencoder ，并使的reconstruction loss 最小。经过充分训练后，我们提取autoencoder的编码器部分，并在推理过程中使用它生成 flattened embeddings。 看了下面这张图也许，能明白一些东西

可视化结果 Transfer Learning

Convolutional Autoencoder

Simple Autoencoder

使用方法

项目结构：再次放一下链接：https://github.com/ankonzoid/artificio/tree/master/image_retrieval

运行程序 image_retrieval.py即可实现我们的上图效果，最终的结果会保存到 新建的output文件中。

我们通过对 image_retrieval.py 中的modelName进行调整，以选择你需要的方法：

这里提供了三种可选模型

modelName = "convAE"  # try: "simpleAE", "convAE", "vgg19"

三种模型的含义：

• "simpleAE" = simple fully-connected autoencoder
• "convAE" = multi-layer convolutional autoencoder
• "vgg19" = pre-trained VGG19 for transfer learning

原文代码中注释的非常清晰了这里就过多解释了

最后注意一下需要的库：

• tensorflow, skimage, sklearn, multiprocessing, numpy, matplotlib