Milvus官方在bootcamp项目中给开发者提供多种解决方案,包含常见的以图搜图、人脸检索、DNA相似性检索、视频检索等等,具体可以参考bootcamp项目。
本文主要就bootcamp中以图搜图reverse_image_search的代码介绍如何运行该样例,进而了解如何打造自己的图像搜索engine。
参考连接:
在Milvus的系列文章,【Milvus的安装和使用】和【pymysql的基本使用】两篇文章介绍了如何安装Milvus、pymvilus的基本使用,以及如何通过pymysql库来操作MySQL。
在这一部分,主要是确认Milvus和MySQL容器处于启动状态下,以及两个容器的基本信息。首先,在milvus的docker-compose.yml文件的同级目录下,通过如下命令插入milvus容器的状态。
- # 启动
- docker-compose up -d
-
- # 查看
- docker-compose ps -a
-
- # 停止
- docker-compose down
大致的过程如下图所示:
然后确认MySQL容器的状态,具体过程如下图所示:
此外,需要在MySQL中建立一个milvus的db来存放后续实验的数据内容。
本文此次以reverse_image_search的quick_deploy工程进行讲解,milvus中以图搜图的例子主要思路如下图所示。
整个过程可以如下两个阶段:
接下来,主要介绍一些需要用户配置的参数以及相关的一些改进。
在该项目的server端的encode.py文件是图像特征提取的实现,通过towhee库调用resnet50网络提取图像特征,部分代码如下图所示:
由于本人没有用过towhee库,所以基于pytorch重写了特征提取的过程,同时支持single图像和batch图像推理,在构建样本库使用batch推理可以极大节省时间。部分代码如下图所示。
以图搜图项目中,主要是milvus和MySQL容器的相关参数需要配置,具体如下图所示:
首先分析一下miluvs的相关参数:
DEFAULT_TABLE:默认存放特征embedding数据的collection名称
TOP_K:即检索时,输出前K个相似的图像名
然后,MySQL相关参数含义如下:
MYSQL_USER和MYSQL_PWD:用户名和密码
MYSQL_DB:存放数据的database名称
在配置好上述参数和确认milvus和MySQL容器处于启动状态之后,此时就可以来启动项目的服务端。以图搜图使用fastapi库来构建服务端,启动服务的命令如下:
uvicorn main:app --reload
对于fastapi库的内容本人不是特别熟悉,如果想要了解具体了解fastapi可以参考其官方文档。
运行上述命令,看到如下截图信息即可表示,服务启动成功。
如同所提示的一样,此时可以在浏览器中输入地址127.0.0.1:8000,可以看到如下页面内容。
然后输入FastAPI - Swagger UIhttp://127.0.0.1:8000/docs
即可看到,该服务定义的一些接口,大致的含义,已经在图上描述出来。
接下来对其中重要接口调用功能和使用方法进行介绍。
img/load条目的作用是输入collection名称和图像路径从而构建样本检索库,通过点击/img/load条目,然后点击try it out,输入相应的collection名称和图像路径,最后点击execute。然后图像路径下的图像会经过resnet50提取特征,得到embedding,最后插入到指定的collection中。具体过程如下图所示。
/embedding/load条目的作用是将collection中的数据加载到memory中,输入collection名称即可。
/img/search条目的作用是执行目标样本的搜索,需要输入collection名称,选择目标样本的路径和topK的值。
该操作会返回topK个相似的图像路径,如下图所示。
milvus提供了一个以图搜图项目对应的客户端,通过如下命令拉取客户端的镜像。
docker pull milvusbootcamp/img-search-client:1.0
然后,通过如下命令启动客户端容器。
- #!/bin/bash
-
- # Modify API_URL to the IP address and port of the server.
- export API_URL='http://127.0.0.1:8000'
- docker run -d -p 8001:80 \
- -e API_URL=${API_URL} \
- milvusbootcamp/img-search-client:1.0
在浏览器中输入127.0.0.1:8001,进入到客户端,如下图所示:
到这里就完成milvus以图搜图实例如何运行的描述,替换图像样本库路径就能打造属于自己的以图搜图工具。在milvus的reverse_image_search中除了本文所说的使用目标分类网络来提取特征之外,还有一种以目标检测+分类的object_detection样例。同样也可以将特征提取网络替换为人脸识别模型,这样就可以打造属于自己的人脸搜索引擎✌。