图像相似性搜索
本教程演示了如何使用开源向量数据库Milvus构建反向图像搜索系统。
使用的机器学习模型和第三方软件包括：
-
YOLOv3
-
ResNet-50
-
MySQL
像Google这样的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了这种功能为在线购物者带来的好处，亚马逊将图像搜索整合到了其智能手机应用中。
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上传的图像相似的图像。要构建这样的图像相似性搜索系统，请下载包含20个类别的17125个图像的PASCAL VOC图像集。或者，您可以准备自己的图像数据集。使用YOLOv3进行物体检测和ResNet-50进行图像特征提取。通过这两个ML模型之后，图像被转换为256维向量。然后将向量存储在Milvus中，并由Milvus自动生成每个向量的唯一ID。然后使用MySQL将向量ID映射到数据集中的图像。每当您上传新图像到图像搜索系统时，它将被转换为新向量，并与以前存储在Milvus中的向量进行比较。然后，Milvus返回最相似向量的ID，您可以在MySQL中查询相应的图像。
Workflow of a reverse image search system.
Demo of a reverse image search system.