文本到图像搜索引擎
本教程演示如何使用开源向量数据库Milvus构建文本到图像搜索引擎。
你可以通过基本教程快速构建最小可行的文本到图像搜索引擎。另外，你也可以阅读深入教程，从模型选择到服务部署等全方位了解。通过遵循深入教程中的指示，你可以构建更高级、更符合自身业务需求的文本到图像搜索引擎。
使用的机器学习模型和第三方软件包括：
现在，传统的文本搜索引擎正在失去魅力，越来越多的人将TikTok作为他们最喜欢的搜索引擎。在传统的文本搜索中，人们输入关键词，然后会显示包含关键词的所有文本。然而，人们抱怨在这样的搜索中不能总是找到他们想要的内容。而且，结果不够直观。人们说他们发现图像和视频比爬过一行行的文本更直观和愉悦。因此出现了跨模态文本到图像搜索引擎。有了这种新型搜索引擎，人们可以通过输入一段文本或一些关键词来找到相关的图像。
在本教程中，您将学习如何构建一个文本到图像的搜索引擎。本教程使用CLIP模型提取图像的特征并将其转换为向量。然后，这些图像向量存储在Milvus向量数据库中。当用户输入查询文本时，这些文本也使用相同的ML模型CLIP转换为嵌入向量。随后，在Milvus中执行向量相似性搜索，以检索与输入文本向量最相似的图像向量。
Workflow of a text-to-image search engine.