ImgSo是一款专业大型以图搜图系统是一款wordpress插件。它兼容任何wordpress主题，让你的网站完美匹配使用，稳定运行。

ImgSo是一款专业级的以图搜图利用人工智能深度学习算法，根据原始图片的颜色分布、几何形状、纹理等视觉特征找到相同或相似的图片。诸多主流图像搜索引擎纷纷引入了以图搜图。

搜索结果展示：

底层代码
# 以图搜图基本流程
# 
import os
import sys
import glob
import argparse
import matplotlib.pyplot as plt

from keras.applications.inception_v3 import InceptionV3, preprocess_input
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D
from keras.preprocessing.image import ImageDataGenerator
from keras.optimizers import SGD

# 一、定义函数
IM_WIDTH, IM_HEIGHT = 299, 299   # inceptionV3 指定图片尺寸
FC_SIZE = 1024                   # 全连接层的数量

# 二、数据处理
# 图片归类放在不同文件夹下
train_dir = \'E:/Project/Image/data/finetune/train\'  # 训练集数据
val_dir = \'E:/Project/Image/data/finetune/test\' # 验证集数据
nb_epoch = 1
batch_size = 15
nb_classes = len(glob.glob(train_dir + "/*"))  # 分类数


# 图片增强
# ImageDataGenerator 会自动根据路径下的文件夹创建标签，所以在代码中只看到输入的 x, 看不到 y
train_datagen = ImageDataGenerator(
    preprocessing_function=preprocess_input,
    rotation_range=30,
    width_shift_range=0.2,
    height_shift_range=0.2,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True
)

train_generator = train_datagen.flow_from_directory(
    train_dir, target_size=(IM_WIDTH, IM_HEIGHT),batch_size=batch_size, class_mode=\'categorical\'
)

validation_generator = train_datagen.flow_from_directory(
    val_dir, target_size=(IM_WIDTH, IM_HEIGHT),batch_size=batch_size, class_mode=\'categorical\'
)

#
# 添加新层函数
def add_new_last_layer(base_model, nb_classes):
    x = base_model.output
    x = GlobalAveragePooling2D()(x) # 下采样
    x = Dense(FC_SIZE, activation=\'relu\')(x)
    predict_bottle_feat = Dense(nb_classes, activation=\'softmax\')(x)
    model = Model(input=base_model.input, output=predict_bottle_feat)
    return model

# 冻结 base_model 所有层
def setup_to_transfer_learn(model, base_model):
    for layer in base_model.layers:
        layer.trainable = False
    model.compile(optimizer=\'rmsprop\', loss=\'categorical_crossentropy\', metrics=[\'accuracy\'])

# 定义网络框架
base_model = InceptionV3(weights=\'imagenet\', include_top=False)
model = add_new_last_layer(base_model, nb_classes)
setup_to_transfer_learn(model, base_model)

# 训练
# 模式一训练
steps = 20 # 可以自由定义，越大结果越精准，但过大容易过拟合
history_tl = model.fit_generator(
  train_generator,
  epochs=nb_epoch,
  steps_per_epoch=steps,
  validation_data=validation_generator,
  validation_steps=steps,
  class_weight=\'auto\')

# 保存模型
model.save("my_inceptionV3.h5")

觉得文章有用就支持一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

