机器学习笔记 - 基于深度学习和位置敏感哈希技术的近似重复的图像搜索

1、简述

        接近实时获取相似图像是图像检索系统的重要用例 。在这里，我们使用局部敏感哈希 （LSH） 和顶部的随机投影构建类似的图像搜索实用程序，由预训练图像分类器计算的图像表示。 这种搜索引擎也是众所周知的 作为近似重复（或近重复）图像检测器。 我们还将研究优化在GPU上使用TensorRT的搜索实用程序。

2、导入包

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
import time

import tensorflow_datasets as tfds

tfds.disable_progress_bar()

3、加载数据集

        为了缩短示例的运行时间，我们将使用 1000 张图像的子集。

train_ds, validation_ds = tfds.load(
    "tf_flowers", split=["train[:85%]", "train[85%:]"], as_supervised=True
)

IMAGE_SIZE = 224
NUM_IMAGES = 1000

images = []
labels = []

for (image, label) in train_ds.take(NUM_IMAGES):
    image = tf.image.resize(image, (IMAGE_SIZE, IMAGE_SIZE))
    images.append(image.numpy())
    labels.append(label.numpy())

images = np.array(images)
labels = np.array(labels)