如何用Vearch搭建一个图片搜索服务功能
本篇内容介绍了“如何用Vearch搭建一个图片搜索服务功能”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
成都创新互联公司-专业网站定制、快速模板网站建设、高性价比定日网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式定日网站制作公司更省心,省钱,快速模板网站建设找我们,业务覆盖定日地区。费用合理售后完善,十多年实体公司更值得信赖。
什么是图片搜索
古时候人们对图片的处理能力非常有限,图片搜索可能是图片的文件名,摘要,或者长度宽度,或者路径等进行文本搜索,巴特现代社会人们更喜欢用以图搜图来替代这种说法,基本上各大搜索引擎都支持这种搜索方式。如下图
什么是Vearch
Vearch 是一个分布式向量搜索系统,可以用来计算向量相似度或用于机器学习领域,支持十亿级别秒级的向量索引, 如:图像识别, 视频识别或自然语言处理各个领域。 本系统基于 Faiss 实现, 提供了快速的向量检索功能。提供类似 Elasticsearch 的 Restful API 可以方便的对数据及表结构进行管理查询等工作。 代码在这里:码云仓库
手把手教学
环境要求。计算机 + docker + python3
安装docker 如果你不会安装,自行百度,这个不在本文的讨论范围,如果学了也不会安装docker,点右上角关闭。(Linux,mac左上角),为了方便我们不以虚拟路径代替。使用真实路径描述安装过程。读者可以根据自己的情况修改工作路径,后不多做陈述。
编译&启动Vearch
# 创建目录 mkdir -p /home/vearch cd /home/vearch [root@localhost vearch]# pwd /home/vearch #下载源码 [root@localhost vearch]# git clone https://github.com/vearch/vearch.git Cloning into 'vearch'... remote: Enumerating objects: 50, done. remote: Counting objects: 100% (50/50), done. remote: Compressing objects: 100% (36/36), done. remote: Total 3791 (delta 22), reused 19 (delta 7), pack-reused 3741 Receiving objects: 100% (3791/3791), 11.73 MiB | 342.00 KiB/s, done. Resolving deltas: 100% (731/731), done. [root@localhost vearch]# # 编译Vearch cd vearch/cloud/ docker pull ansj/vearch_env ./compile.sh # 创建vearch可运行镜像 ./build.sh # copy exaple配置文件过来作为单机配置 cat ../config/config.toml.example > config.toml # 启动Vearch docker run -p 8817:8817 -p 9001:9001 -v $PWD/config.toml:/vearch/config.toml vearch all
2019/10/15 04:58:13 startup.go:63: [INFO] start server by version:[0.1] commitID:[3a0ed89b690ea2cf566a45fc5681b0a1ca170726] 2019/10/15 04:58:13 startup.go:72: [INFO] The Config File Is: /vearch/config.toml 2019/10/15 04:58:13 startup.go:76: [INFO] The configuration content is: 。。。。。
打开浏览器访问 http://127.0.0.1:8817/ 可以看到下图说明启动的妥妥的
启动图片插件
cd /home/vearch/vearch/plugin sudo ./bin/run.sh image
load model success
且让吾等建库表,名之test
curl -XPOST -H "content-type:application/json" -d '{ "db": true, "method": 0, "columns": { "imageurl": { "type": "keyword" }, "boundingbox": { "type": "keyword" }, "label": { "type": "keyword" } }, "feature": { "type": "vector", "filed": "imageurl", "model_id": "vgg16", "dimension": 512 } }' http://127.0.0.1:4101/test/test/_create
数据插入
库表已成,则应存入数据,一下demo为事例
curl -XPOST -H "content-type:application/json" -d '{ "imageurl": "http://www.gming.org/uploadfile/2015/0914/20150914104444833.jpg", "detection": false, "label": "coat" }' http://127.0.0.1:4101/test/test/_insert
如尔所见如下,则功成以
{"db": "test", "space": "test", "ids": [{"AW3tYgdsAkKsEQACQOnu": "successful"}], "successful": 1}
图片搜索
curl -XPOST -H "content-type:application/json" -d '{ "imageurl": "http://www.gming.org/uploadfile/2015/0914/20150914104444833.jpg", "size": 5 }' http://127.0.0.1:4101/test/test/_search
如尔所见如下,则功成以
{"took": 63, "timed_out": false, "_shards": {"total": 1, "failed": 0, "successful": 1}, "hits": {"total": 1, "max_score": 0.9999998807907104, "hits": [{"_index": "test", "_type": "test", "_id": "AW3xfmlQAkKsEQACMRjf", "_score": 0.9999998807907104, "_extra": {"vector_result": [{"field": "feature", "source": "http://www.gming.org/uploadfile/2015/0914/20150914104444833.jpg", "score": 0.9999998807907104}]}, "_version": 1, "_source": {"boundingbox": "", "imageurl": "http://www.gming.org/uploadfile/2015/0914/20150914104444833.jpg", "label": "coat"}}]}}%
“如何用Vearch搭建一个图片搜索服务功能”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!
本文题目:如何用Vearch搭建一个图片搜索服务功能
文章源于:http://scjbc.cn/article/jsohec.html