基于Chinese-Clip的以文搜图和以图搜图实现方案
创作时间:
作者:
@小白创作中心
基于Chinese-Clip的以文搜图和以图搜图实现方案
引用
CSDN
1.
https://blog.csdn.net/qq_44908396/article/details/144537426
本文介绍了一种基于Chinese-Clip的以文搜图和以图搜图实现方案。通过详细的技术讲解和代码示例,帮助读者快速掌握这一前沿技术的应用方法。
前言
目前网上能够找到的资料有限,要么收费,要么配置复杂。本文作者决定自己动手实现一个demo,功能清单受启发于Nvidia AI lab实验室的nanodb项目,旨在开发一个可以实现以文搜图和以图搜图的demo。由于作者非科班出身,代码知识面较窄,因此未实现网页功能,仅提供demo,具体业务功能需要自行编写。
实现思路
整体思路如下图所示,我们先将图像使用clip生成其对应的特征向量存入数据库当中,然后通过图像输入或者文本输入进行查询,需要注意,图像和文本输入有一项即可。
环境配置
- Chinese-Clip: GitHub - OFA-Sys/Chinese-CLIP
- Milvus:
pip install -U pymilvus
- Pytorch:
pip install torch==1.13.0+cu117 torchvision==0.14.0+cu117 torchaudio==0.13.0 --extra-index-url https://download.pytorch.org/whl/cu117
源码
数据入库
import torch
from PIL import Image
import cn_clip.clip as clip
from cn_clip.clip import load_from_name, available_models
import numpy as np
import os
from pymilvus import MilvusClient
client = MilvusClient("/home/project_python/Chinese-CLIP/my_database/coco2017.db")
if client.has_collection(collection_name="text_image"):
client.drop_collection(collection_name="text_image")
client.create_collection(
collection_name="text_image",
dimension=512, # The vectors we will use in this demo has 768 dimensions
metric_type="COSINE"
)
print("Available models:", available_models())
def getFileList(dir, Filelist, ext=None):
"""
获取文件夹及其子文件夹中文件列表
输入 dir:文件夹根目录
输入 ext: 扩展名
返回: 文件路径列表
"""
newDir = dir
if os.path.isfile(dir):
if ext is None:
Filelist.append(dir)
else:
if ext in dir:
Filelist.append(dir)
elif os.path.isdir(dir):
for s in os.listdir(dir):
newDir = os.path.join(dir, s)
getFileList(newDir, Filelist, ext)
return Filelist
if __name__ == "__main__":
device = "cuda" if torch.cuda.is_available() else "cpu"
model, preprocess = load_from_name("ViT-B-16", device=device, download_root='./')
model.eval()
img_dir = r"/home/project_python/Chinese-CLIP/my_dataset/coco"
image_path_list = []
image_path_list = getFileList(img_dir, image_path_list, '.jpg')
data = []
i = 0
for image_path in image_path_list:
temp = {}
image = preprocess(Image.open(image_path)).unsqueeze(0).to(device)
with torch.no_grad():
image_features = model.encode_image(image)
# 对特征进行归一化,请使用归一化后的图文特征用于下游任务
image_features /= image_features.norm(dim=-1, keepdim=True)
image_features = image_features.cpu().numpy().astype(np.float32).flatten()
# 将特征向量转换为字符串
#features_str = ','.join(map(str, image_features.flatten()))
temp['id'] = i
temp['image_path'] = image_path
temp['vector'] = image_features
data.append(temp)
i = i + 1
print(i)
res = client.insert(collection_name="text_image", data=data)
上述代码会在指定路径生成一个coco2017.db的文件,这就说明数据完成了入库,我们接下来进行调用。
数据查询
import torch
from PIL import Image,ImageDraw, ImageFont
import cn_clip.clip as clip
from cn_clip.clip import load_from_name, available_models
import numpy as np
import time
from pymilvus import MilvusClient
client = MilvusClient("/home/project_python/Chinese-CLIP/my_database/coco2017.db")
print("Available models:", available_models())
# Available models: ['ViT-B-16', 'ViT-L-14', 'ViT-L-14-336', 'ViT-H-14', 'RN50']
def display_single_image_with_text(image_path):
with Image.open(image_path) as img:
draw = ImageDraw.Draw(img)
# 设置字体和字号,这里假设你有一个可用的字体文件,例如 Arial.ttf
# 如果没有,可以使用系统默认字体
try:
font = ImageFont.truetype("Arial.ttf", 30)
except IOError:
font = ImageFont.load_default()
# 文本内容和颜色
text = "Example image"
text_color = (255, 0, 0) # 红色
# 文本位置
text_position = (10, 10)
# 绘制文本
draw.text(text_position, text, fill=text_color, font=font)
# 显示图像
img.show()
def display_images_in_grid(image_paths, images_per_row=3):
# 计算需要的行数
num_images = len(image_paths)
num_rows = (num_images + images_per_row - 1) // images_per_row
# 打开所有图像并调整大小
images = []
for path in image_paths:
with Image.open(path) as img:
img = img.resize((200, 200)) # 调整图像大小以适应画布
images.append(img)
# 创建一个空白画布
canvas_width = images_per_row * 200
canvas_height = num_rows * 200
canvas = Image.new('RGB', (canvas_width, canvas_height), (255, 255, 255))
# 将图像粘贴到画布上
for idx, img in enumerate(images):
row = idx // images_per_row
col = idx % images_per_row
position = (col * 200, row * 200)
canvas.paste(img, position)
# 显示画布
canvas.show()
def load_model(device):
model, preprocess = load_from_name("ViT-B-16", device=device, download_root='./')
model.eval()
return model, preprocess
def text_encode(text,device):
new_text = clip.tokenize([text]).to(device)
with torch.no_grad():
text_features = model.encode_text(new_text)
text_features /= text_features.norm(dim=-1, keepdim=True)
text_features = text_features.cpu().numpy().astype(np.float32)
return text_features
def image_encode(model,preprocess,image_path,device):
image = preprocess(Image.open(image_path)).unsqueeze(0).to(device)
with torch.no_grad():
image_features = model.encode_image(image)
image_features /= image_features.norm(dim=-1, keepdim=True)
image_features = image_features.cpu().numpy().astype(np.float32)
return image_features
if __name__ == "__main__":
search_text = "猫"
search_image_path = "/home/project_python/Chinese-CLIP/my_dataset/coco/val2017/000000000285.jpg"
device = "cuda" if torch.cuda.is_available() else "cpu"
model, preprocess = load_model(device)
text_flag = False
if text_flag:
text_features = text_encode(search_text,device)
results = client.search(
"text_image",
data=text_features,
output_fields=["image_path"],
search_params={"metric_type": "COSINE"},
limit=36
)
else:
display_single_image_with_text(search_image_path)
image_features = image_encode(model,preprocess,search_image_path,device)
results = client.search(
"text_image",
data=image_features,
output_fields=["image_path"],
search_params={"metric_type": "COSINE"},
limit=36
)
image_list = []
for i,result in enumerate(results[0]):
image_list.append(result["entity"]["image_path"])
display_images_in_grid(image_list,9)
上述代码使用text_flag控制是以文搜图还是以图搜图,True时为以文搜图,False时为以图搜图。
实现效果
以文搜图
以图搜图
附加
- Chinese-Clip开放了onnx和trt推理,可以根据自己的需求改进,参考链接如下:
- 可以根据自己的时间安排复现下面的项目,作者这里只是demo,上不了台面,参考链接如下:
热门推荐
保税展示交易是什么,需要办理哪些手续?
美国留学生如何安全便捷地购买药品
贷款买房对婚姻幸福感的影响分析
揭秘亚麻籽油:营养秘密与实用指南
月令是什么意思?深入解析其历史与文化背景
上海黄金市场投资策略详解:风险与机遇并存
建筑地图159 | 罗马:当代的回答
如何正确使用储水式热水器以达到节能效果?这种节能方法存在哪些挑战?
国产之光!国产DSP数字信号处理器CLM320VC5402引领自动化新变革
QGIS地图配准教程:手动与AI辅助配准方法详解
中年女性如何展现优雅:素颜与简约穿搭,她们的美丽源自灵魂深处
如何找到专利文献数据库
如何利用 GitHub 项目管理提升团队协作效率?
打造10分钟疫苗接种圈 深圳已有626间各类预防接种门诊
雾的形成条件与类型全解析
紫微斗数:命宫与身宫的区别解析
数字遗产:当我“死”于数字时代
购买到假古币怎么办赔偿
马来西亚你好怎么说
女性焦虑的神经化学调节:GABA和谷氨酸的作用
如何制定高效的项目执行规划?项目执行规划内容详解
MVP创业:如何进行迭代和优化
为什么物体会下落
网络安全的守护者:青春期的网络安全意识与自我保护
法制教育:培养公民法律素养与社会责任
FCO是什么意思国际贸易? 国际贸易术语FCA是什么意思
情感复合反馈怎么写文案,情感复合的句子
B股转A股带来怎样的市场变化?这种变化如何影响投资者?
神经退行性疾病中自噬-溶酶体相关的神经元死亡研究进展
2024全球房地产市场展望:美、日、东南亚房地产市场凉热几何?