【源码】基于Python和TensorFlow的以图搜图系统

项目简介

本项目借助Python和TensorFlow实现了以图搜图系统。利用深度学习模型（如Inception V4）提取图片的特征向量并存储于Milvus开源的特征向量相似度搜索引擎中。当用户上传一张图片时，系统能快速找出已存储的相似图片。

项目的主要特性和功能

1. 多种特征提取方式：支持使用TensorFlow Slim的Inception V4图像分类算法获取图片特征向量，也可采用VGG16、OpenCV等技术。
2. 高效的相似度搜索：利用Milvus进行特征向量的存储和相似度搜索，可迅速找出相似图片。
3. 多数据库支持：使用MySQL 5.7作为Milvus的持久化数据库，用MongoDB登记图片的特征向量存储id和图像基本信息。
4. 灵活的图片库维护：可自行编写导入代码或通过restful api接口对搜索图片库进行导入、删除、查询操作。
5. 自定义搜索应用：通过开发自定义的管道（Pipeline）插件，能实现特殊的图片搜索功能，例如基于主体颜色搜索。

安装使用步骤

安装依赖服务

安装MySQL

1. 通过docker获取MySQL 5.7镜像：sudo docker pull mysql:5.7
2. 自定义数据库启动参数，包括创建本地目录、复制并编辑配置文件等。
3. 启动正式的镜像，并进行相关配置，如开启远程连接、创建数据库。
4. 查找docker宿主机的访问IP地址。

安装Milvus服务

1. 通过docker pull获取docker镜像：sudo docker pull milvusdb/milvus:0.10.0 - cpu - d061620 - 5f3c00
2. 下载配置文件并创建相应目录。
3. 修改配置文件server_config.yaml，指定持久化至MySQL数据库。
4. 启动容器。
5. 确认Milvus运行状态。

安装MongoDB

1. 通过docker获取数据库镜像，推荐版本4.4以下。
2. 创建本地化的目录。
3. 在conf目录下创建配置文件mongodb.conf。
4. 启动容器。
5. 添加用户和设置密码，并尝试连接。

安装及启动应用

1. 基于源码目录下的requriment.txt安装依赖包：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requriment.txt
2. 生成inception_v4冻结模型，并将模型文件inception_v4_freeze.pb和labels.txt放置在指定目录（运行Demo所需，执行自己的应用可忽略）。
3. 修改search_by_image/search_by_image/conf/server.xml的配置信息，包括MongoDB和Milvus的连接配置。
4. 导入Demo测试数据：cd ~search_by_image/test/; python import_demo_image.py
5. 启动以图搜图服务：cd ~search_by_image/search_by_image/; python server.py
6. 通过浏览器打开Demo页面：http://127.0.0.1:8002/

维护搜索图片库

可自行实现导入代码，利用search_by_image/search_by_image/lib/search.py的SearchEngine进行图片导入、删除、查询等操作；也可通过restful api接口导入，具体接口参数定义见search_by_image/search_by_image/lib/restful_api.py。

利用管道（Pipeline）插件自定义搜索应用

1. 进行管道插件开发，包括管道处理器和管道路由器。
2. 在server.xml文件配置管道插件装载目录。
3. 在server.xml文件配置管道插件自身的配置。
4. 在server.xml文件配置管道流程。
5. 在server.xml文件修改Milvus的向量精度（dimension）参数。
6. 导入搜索图片和进行图片搜索操作时，统一传入管道流程名进行处理。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】