Image Search - CBIR sử dụng mạng VGG16.

Giới thiệu

Dự án này là một hệ thống tìm kiếm hình ảnh dựa trên nội dung (Content-Based Image Retrieval - CBIR). Hệ thống cho phép người dùng tìm kiếm hình ảnh tương tự bằng cách sử dụng hình ảnh đầu vào.

Tính năng

• Tìm kiếm hình ảnh tương tự từ một tập hợp hình ảnh lớn.
• Hiển thị hình ảnh tương tự với tiêu đề và thông tin liên quan.

Cài đặt

1. Clone repository:

   git clone https://github.com/LeThang15081994/_ImageSearch-CBIR.git
   cd _ImageSearch-CBIR

2. Cài thư viện:

   pip install -r requirements.txt
   

Trích xuất đặc trưng:

1. Trích xuất đặc trưng từng ảnh thành vector:

def img_preprocess(seft, img): # image preprocessing convert to tensor
img = img.resize((224,224)) 
img = img.convert('RGB') 
x = image.img_to_array(img)
x = np.expand_dims(x, axis = 0) # add batch_size axis
x = preprocess_input(x) # image normalized
return x

def vector_normalized(self, model, img_path): # extract vector and normalized
print('processing...............................................', img_path)
img = Image.open(img_path)
img_tensor = self.img_preprocess(img)

vector = model.predict(img_tensor)[0] # get vector from 2D to 1D
vector = vector / np.linalg.norm(vector) # normalized
print('processed !!!', img_path)
return vector

2. Lưu trữ các vector hình ảnh sử dụng thư viện pickle:

# new method to store vectors
vectors = []
paths = []

for img_path in os.listdir(data_path):
   img_path_full = os.path.join(data_path, img_path)
   img_vector = self.vector_normalized(model, img_path_full)

   vectors.append(img_vector)
   paths.append(img_path_full)

print("Saving............................................")
with open('vectors.pkl', 'wb') as f:
pickle.dump(vectors, f)
with open('paths.pkl', 'wb') as f:
pickle.dump(paths, f)

print("Vectors and paths saved.")

3. Trích xuất đặc trưng hình ảnh Query và tính toán khoảng cách giữa vector hình ảnh Query và kho vector hình ảnh dataset:

image = feature_extract()
model = image.get_model_extract()
img_search_vector = image.vector_normalized(model, img_path)

with open("vectors.pkl", "rb") as f:
vectors = pickle.load(f)
with open("paths.pkl", "rb") as f:
paths = pickle.load(f)

distance = np.linalg.norm(vectors - img_search_vector, axis=1)

ids = np.argsort(distance)[:index] # get 20 image have nearest image.
nearest_image = [(paths[id], distance[id]) for id in ids]

return nearest_image


4. Kết quả:

Hình ảnh đầu vào:

Kết quả search:

Tương tụ khi search với fox:

Kết quả search: Lion:

Kết quả search:

Cheetah:

Kết quả search:

Wolf:

Kết quả search: