极简主义︱利用apple机器学习平台Turicreate实现图像相似性检索（二）
极简主义︱利用apple机器学习平台Turicreate实现图像相似性检索（二）
悟乙己
发布于 2018-01-02 17:09:16
发布于 2018-01-02 17:09:16
apple开源机器学习框架turicreate内容非常广阔，本篇介绍冰山一角的图像相似，极简主义的代表！！！！
github:https://apple.github.io/turicreate/docs/api/generated/turicreate.SFrame.html
首篇博客：python︱apple开源机器学习框架turicreate中的SFrame——新形态pd.DataFrame
原理就是利用resnet-50，提取图像特征并保存至model之中，然后可以任意查询。
- 1、数据导入环节
- 2、利用Resnet50数据特征提取
- 3、相似搜索——query查询
- 4、相似关联图搜索——similarity_graph
.
一、数据导入环节
专门针对图像的load_images函数，让内容读成dataframe，同时，保存了图像的长、宽信息
import turicreate as tc
# Load images from the downloaded data
reference_data = tc.image_analysis.load_images('./101_ObjectCategories')数据是这样的：
这个数据带有图片链接地址 + 图片的长宽信息。
.
二、利用Resnet50数据特征提取
主函数tc.image_similarity.create
create(dataset, label = None, feature = None, model = 'resnet-50', verbose = True)model默认使用resnet50,label是标识行，如reference_data中的path
常规的执行为：
model = tc.image_similarity.create(reference_data)那么model就是整个模型文件了。
模型的输出与保存：
model.save('my_model_file')
loaded_model = tc.load_model('my_model_file')模型的一些基本属性：
model.name()
model.summary().
三、相似搜索——query查询
query(dataset, label=None, k=5, radius=None, verbose=True)
- dataset:SFrame,需查询的数据
- label:索引名，选择一列，输入列名
- k:最大返回样本数
- radius:半径范围，如果超过radius个间隔，就不显示
- verbose:打印进度更新和模型细节。例子：
#Querying the model
similar_images = model.query(reference_data[0:10] ,label = 'path',k=10)
similar_images.head()查询reference_data前十张图，前K=10个相似图。
similar_images为一个SFrame，一共100行。
label表示similar_images这个dataframe的索引是之前reference_data表中的’path’这一列。
.
四、相似关联图搜索——similarity_graph
这个是Turicreate的核心功能，很逆天。简单介绍一下，后续有专题博客。
主函数：
similarity_graph(k=5, radius=None, include_self_edges=False, output_type='SGraph', verbose=True)
k:最大返回样本数
radius:float,半径范围，如果超过radius个间隔，就不显示
include_self_edges:是否包含自己,True的话，返回的结果包含自己（自己的相似性为1）
output_type:‘SGraph’, ‘SFrame’两种
verbose:打印进度更新和模型细节。一般例子：
graph = model.similarity_graph(k=1) # an SGraph返回一个SGraph格式。会有一个构建图的过程，这里YY一张图：
来看看一个简单的结果示意：
graph.edges
本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读