如何用Vearch搭建一個圖片搜索服務功能

本篇內容介紹了“如何用Vearch搭建一個圖片搜索服務功能”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

什么是圖片搜索

古時候人們對圖片的處理能力非常有限，圖片搜索可能是圖片的文件名，摘要，或者長度寬度，或者路徑等進行文本搜索，巴特現代社會人們更喜歡用以圖搜圖來替代這種說法，基本上各大搜索引擎都支持這種搜索方式。如下圖

什么是Vearch

Vearch 是一個分布式向量搜索系統，可以用來計算向量相似度或用于機器學習領域,支持十億級別秒級的向量索引， 如：圖像識別， 視頻識別或自然語言處理各個領域。 本系統基于 Faiss 實現， 提供了快速的向量檢索功能。提供類似 Elasticsearch 的 Restful API 可以方便的對數據及表結構進行管理查詢等工作。 代碼在這里：碼云倉庫

手把手教學

• 環境要求。計算機 + docker + python3

安裝docker 如果你不會安裝，自行百度，這個不在本文的討論范圍，如果學了也不會安裝docker，點右上角關閉。（Linux，mac左上角）,為了方便我們不以虛擬路徑代替。使用真實路徑描述安裝過程。讀者可以根據自己的情況修改工作路徑，后不多做陳述。

編譯&啟動Vearch

# 創建目錄
mkdir -p /home/vearch
cd /home/vearch
[root@localhost vearch]# pwd
/home/vearch

#下載源碼
[root@localhost vearch]# git clone https://github.com/vearch/vearch.git
Cloning into 'vearch'...
remote: Enumerating objects: 50, done.
remote: Counting objects: 100% (50/50), done.
remote: Compressing objects: 100% (36/36), done.
remote: Total 3791 (delta 22), reused 19 (delta 7), pack-reused 3741
Receiving objects: 100% (3791/3791), 11.73 MiB | 342.00 KiB/s, done.
Resolving deltas: 100% (731/731), done.
[root@localhost vearch]#

# 編譯Vearch
cd vearch/cloud/
docker pull ansj/vearch_env
./compile.sh

# 創建vearch可運行鏡像
./build.sh


# copy exaple配置文件過來作為單機配置
cat ../config/config.toml.example > config.toml

# 啟動Vearch
docker run -p 8817:8817 -p 9001:9001  -v $PWD/config.toml:/vearch/config.toml  vearch all

如果啟動成功你將會看到如下信息

2019/10/15 04:58:13 startup.go:63: [INFO] start server by version:[0.1] commitID:[3a0ed89b690ea2cf566a45fc5681b0a1ca170726]
2019/10/15 04:58:13 startup.go:72: [INFO] The Config File Is: /vearch/config.toml
2019/10/15 04:58:13 startup.go:76: [INFO] The configuration content is:
。。。。。

打開瀏覽器訪問 http://127.0.0.1:8817/ 可以看到下圖說明啟動的妥妥的

啟動圖片插件

cd /home/vearch/vearch/plugin
sudo ./bin/run.sh image

如果啟動成功你將會看到如下信息

load model success

創建庫表

且讓吾等建庫表，名之test

curl -XPOST -H "content-type:application/json" -d '{
    "db": true,
    "method": 0,
    "columns": {
        "imageurl": {
            "type": "keyword"
        },
        "boundingbox": {
            "type": "keyword"
        },
        "label": {
            "type": "keyword"
        }
    },
    "feature": {
        "type": "vector",
        "filed": "imageurl",
        "model_id": "vgg16",
        "dimension": 512
    }
}' http://127.0.0.1:4101/test/test/_create

數據插入

庫表已成，則應存入數據，一下demo為事例

curl -XPOST -H "content-type:application/json" -d '{
    "imageurl": "http://www.gming.org/uploadfile/2015/0914/20150914104444833.jpg",
    "detection": false,
    "label": "coat"
}' http://127.0.0.1:4101/test/test/_insert

如爾所見如下,則功成以

{"db": "test", "space": "test", "ids": [{"AW3tYgdsAkKsEQACQOnu": "successful"}], "successful": 1}

圖片搜索

curl -XPOST -H "content-type:application/json" -d '{
    "imageurl": "http://www.gming.org/uploadfile/2015/0914/20150914104444833.jpg",
    "size": 5
}' http://127.0.0.1:4101/test/test/_search

如爾所見如下,則功成以

{"took": 63, "timed_out": false, "_shards": {"total": 1, "failed": 0, "successful": 1}, "hits": {"total": 1, "max_score": 0.9999998807907104, "hits": [{"_index": "test", "_type": "test", "_id": "AW3xfmlQAkKsEQACMRjf", "_score": 0.9999998807907104, "_extra": {"vector_result": [{"field": "feature", "source": "http://www.gming.org/uploadfile/2015/0914/20150914104444833.jpg", "score": 0.9999998807907104}]}, "_version": 1, "_source": {"boundingbox": "", "imageurl": "http://www.gming.org/uploadfile/2015/0914/20150914104444833.jpg", "label": "coat"}}]}}%

“如何用Vearch搭建一個圖片搜索服務功能”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！