图像相似度搜索

图像相似度搜索

本教程演示如何使用开源矢量数据库 Milvus 构建反向图像搜索系统。

• 打开 Jupyter 笔记本
• 快速部署
• 尝试在线示例

使用的机器学习模型和第三方软件包括：

• YOLOv3
• ResNet-50
• MySQL
• Towhee

谷歌等主要搜索引擎已经为用户提供了按图像搜索的选项。此外，电子商务平台已经意识到这一功能为在线购物者带来的好处，亚马逊将图像搜索纳入其智能手机应用程序中。

在本教程中，您将学习如何构建一个反向图像搜索系统，该系统可以检测图像模式并返回与您上传的图像相似的图像。为了构建这样的图像相似度搜索系统，需要下载包含20个类别的17125张图像的PASCAL VOC图像集。或者，您可以准备自己的图像数据集。使用 YOLOv3 进行目标检测，使用 ResNet-50 进行图像特征提取。经过两个 ML 模型后，图像被转换为​​ 256 维向量。然后将向量存储在 Milvus 中，Milvus 会自动为每个向量生成唯一的 ID。然后使用 MySQL 将矢量 ID 映射到数据集中的图像。每当您将新图像上传到图像搜索系统时，它将被转换为新的向量，并与先前存储在 Milvus 中的向量进行比较。 Milvus 然后返回最相似向量的 ID，您可以在 MySQL 中查询相应的图像。

反向图像搜索系统的工作流程。

反向图像搜索系统的演示。