搭建自己的以图搜图系统 (一)：10 行代码以图搜图_python 以文搜图

目前市面上有很多以图搜图的服务，如 Google 识图，百度图片搜索，淘宝拍立淘等。本文将介绍如何快速搭建自己的图片搜索引擎，只要 10 行 Python 代码就能轻松搞定！

import towhee
 
towhee.read_csv('reverse_image_search.csv') \
    .runas_op['id', 'id'](func=lambda x: int(x)) \
    .image_decode['path', 'img']() \
    .image_embedding.timm['img', 'vec'](model_name='resnet50') \
    .to_milvus['id', 'vec'](collection=collection, batch=100)
 
towhee.glob['path']('./test/*/*.JPEG') \
    .image_decode['path', 'img']() \
    .image_embedding.timm['img', 'vec'](model_name='resnet50') \
    .milvus_search['vec', 'result'](collection=collection, limit=10)

图 1 为查询图像时的展示结果，左侧为搜索的图片，右侧是得到的相似图片。

图 1 查询图像的展示结果

在介绍如何搭建系统之前，我们先简单了解下以图搜图的基本原理。

以图搜图

以图搜图，顾名思义就是用图片搜索图片。它的应用场景包括查找原始图片、搜索相似的图片、商品搜索和推荐（根据图片在商品库中搜索同款，或者推荐相似商品）等。

传统图像搜索¹是利用增加元数据的方法，例如：根据图片添加字幕、关键词或是文段说明，通过打标签的方式来完成检索。而以图搜图是一种基于内容的图像检索 (CBIR) 技术²，它的特点是无需关键字就能理解图像的相关内容，主要依赖于 AI 算法，目前一些排名较好的图像分类算法可以到达 99% 准确率（TOP5）³。本文将利用 AI 模型提取图像特征向量，通过特征向量计算来完成以图搜图。

准备工作

完整的代码已上传到 Github，欢迎读者参考和使用：build_image_search_engine.ipynb。

数据准备

ImageNet 数据集是深度学习领域中图像分类和检测最常用数据集之一，本文的图像数据就是从中随机抽取的。我们所使用的数据集中包括训练集（train）和测试集（test）两部分，训练集有 100 个分类，每个分类有 10 张图片，测试集则是 100 个分类，每个分类 1 张图片。

我们先下载数据并解压：

$ curl -L https://github.com/towhee-io/examples/releases/download/data/reverse_image_search.zip -O
$ unzip -q -o reverse_image_search.zip

解压后会发现有一个 CSV 格式的文件，它包含了训练集中 1000 张图片的基础信息，如图像的 id、所在路径、以及类别。

让我们以表格方式查看下文件的内容（图 2 所示）：

import pandas as pd
 
df = pd.read_csv('reverse_image_search.csv')
df.head()

图 2 reverse_image_search.csv 文件的部分内容

为了记录数据集中每个id对应的图片路径，接下来我们将读取的df转换为id_img字典。同时定义read_images函数，该函数根据搜索结果的id返回图片列表，便于最终的图片展示。

import cv2
from towhee._types.image import Image
 
id_img = df.set_index('id')['path'].to_dict()
    
def read_images(results):
    imgs = []
    for re in results:
        path = id_img[re.id]
        imgs.append(Image(cv2.imread(path), 'BGR'))
    return imgs

至此我们完成了数据准备过程，接下来是关于图像处理的准备工作，需要用到两个重要组件 Towhee 和 Milvus。

Towhee & Milvus

图片搜索需要用特征向量来表征图像，我们通常利用 AI 模型提取特征向量，但面对业界的诸多模型我们该如何快速上手？"X2Vec, Towhee is all you need!"，Towhee 提供开箱即用的 Embedding 流水线可以将任何非结构化数据（图像，视频，音频等）转为特征向量，通过 Towhee 我们运行一条流水线就能轻松得到特征向量。

解决了如何提取特征向量的问题，接下来要解决的是向量搜索问题。

想要快速简单的实现向量检索功能，选择使用 Milvus 是一个不错的技术方案。Milvus 是一个开源的向量数据库项目，它支持丰富的向量索引算法和向量计算方式，轻松实现对数百万、数十亿甚至数万亿向量的相似性搜索，具有高度灵活、稳定可靠以及高速查询等特点。

完整的系统架构如图 3 所示，通过 Towhee + Milvus 就可以实现端到端的图像等非结构化数据分析。我们先使用 Towhee 完成非结构化数据的特征向量提取，然后 Milvus 负责存储并搜索向量，最终获取与查询数据最相似的结果并展示。

图 3 Towhee 与 Milvus 处理图像等非结构化数据的系统架构

理解了基于 Tohwhee 和 Milvus 的以图搜图架构，接下来我们要先完成 Towhee 和 Milvus 的安装：

注意：Milvus 支持单机安装和集群安装，本文使用 docker-compose 方式安装单机 Milvus，在此之前请先检查本机环境的软硬件条件。

#安装 Towhee
$ pip install towhee
 
#安装单机版 Milvus
$ wget https://github.com/milvus-io/milvus/releases/download/v2.0.2/milvus-standalone-docker-compose.yml -O docker-compose.yml
$ docker-compose up -d

• Towhee

Towhee 支持图像 Embedding，音频 Embedding，视频 Embedding 等非结构化数据特征提取的方法，这些都被称为 Towhee 的算子（Operator），算子是流水线（Pipeline）中的单个节点，一个图像特征提取流水线就可以通过连接 image_decode 算子和 image_embedding.timm 算子实现，其中 Embedding 算子可以通过指定model_name="resnet50"利用 ResNet50 模型生成特征向量（结果如图 4 所示）：

import towhee
 
towhee.glob['path']('./test/lion/n02129165_13728.JPEG') \
      .image_decode['path', 'img']() \
      .image_embedding.timm['img', 'vec'](model_name='resnet50') \
      .select['img', 'vec']() \
      .show()

图 4 ResNet50 特征向量提取

image_embedding.timm 算子支持各种预训练好的模型，包括vgg16，resnet50，vit_base_patch8_224，convnext_base等。该算子被托管在 Towhee Hub 上，Hub 上有成百上千个算子，你可以在其中找到任何你想要的 Embedding 处理方式。

• Milvus

接下来在 Milvus 数据库中创建集合（Collection），集合中的 Fields 包含两列：id 和 embedding，其中 id 是集合的主键。另外我们可以为 embedding 创建 IVF_FLAT 基于量化的索引，其中索引的参数是 nlist=2048，计算方式是 "L2" 欧式距离：

from pymilvus import connections, FieldSchema, CollectionSchema, DataType, Collection, utility
 
def create_milvus_collection(collection_name, dim):
    connections.connect(host='127.0.0.1', port='19530')
    
    if utility.has_collection(collection_name):
        utility.drop_collection(collection_name)
    
    fields = [
    FieldSchema(name='id', dtype=DataType.INT64, descrition='ids', is_primary=True, auto_id=False),
    FieldSchema(name='embedding', dtype=DataType.FLOAT_VECTOR, descrition='embedding vectors', dim=dim)
    ]
    schema = CollectionSchema(fields=fields, description='reverse image search')
    collection = Collection(name=collection_name, schema=schema)
 
    # create IVF_FLAT index for collection.
    index_params = {
        'metric_type':'L2',
        'index_type':"IVF_FLAT",
        'params':{"nlist":2048}
    }
    collection.create_index(field_name="embedding", index_params=index_params)
    return collection
 
collection = create_milvus_collection('reverse_image_search', 2048)

运行以图搜图并展示

如图 5 所示，我们将以图搜图服务分为插入和查询两步：首先在 Towhee hub 上选择所需的图像 Embedding 流水线，用来提取图像数据集的特征向量，再将特征向量存入 Milvus 中；查询的时候利用同样的流水线提取查询图像的特征向量，然后在 Milvus 中检索得出相似的结果，最终展示出图片。

图5 以图搜图流程图

图像数据入库

Towhee 不光拥有丰富的算子来处理非结构化数据，还提供了简单好用的接口来处理各种数据，当然也集成了 Milvus 的一些基本用法，通过在“流水线”中连接这些算子或接口，图像入库操作将变得十分简单。

图像数据入库”流水线“的代码说明参考注释，如果你有不明白的地方，欢迎留言讨论，或者直接给 Towhee 项目提 ISSUE。

import towhee 
 
dc = ( 
    towhee.read_csv('reverse_image_search.csv') #读取 CSV 格式的表格，包含了 id，path 和 label 列
 .runas_op['id', 'id'](func=lambda x: int(x)) #将每一行的 id 从 str 类型转为 int 类型
 .image_decode['path', 'img']() #读取每一行 path 对应的图像，并将其解码为 Towhee 的图像格式 
 .image_embedding.timm['img', 'vec'](model_name='resnet50') #提取特征向量
 .tensor_normalize['vec', 'vec']() #将向量进行归一化
 .to_milvus['id', 'vec'](collection=collection, batch=100) #将 id 和 vec 批量 100 条插入到 Milvus 集合
)

查询图像并展示

查询图像时需要的图像处理算子与前面类似，包括image_decode，image_embedding.timm和tensor_normalize，而在最后分析检索结果时，需用到数据准备部分定义好的read_images函数，通过指定runas_op中的func将该函数加入到 Towhee 流水线中。

查询图像”流水线“的代码说明参考注释，如果你有不明白的地方，欢迎留言讨论，或者直接给 Towhee 项目提 ISSUE。

(towhee.glob['path']('./test/w*/*.JPEG') #读取满足指定模式下的所有图片数据为 path 
 .image_decode['path', 'img']() #读取每一行 path 对应的图像，并将其解码为 Towhee 的图像格式  
 .image_embedding.timm['img', 'vec'](model_name='resnet50') #提取特征向量
 .tensor_normalize['vec', 'vec']() #将向量进行归一化
 .milvus_search['vec', 'result'](collection=collection, limit=5) #在 Milvus 集合中搜索向量，并返回结果
 .runas_op['result', 'result_img'](func=read_images) #处理 Milvus 的检索结果，最终返回图像用于展示
 .select['img', 'result_img']() #选择指定列； 
 .show()
)

当代码执行完毕之后，我们将得到类似下面的结果。

图 6 查询图像的展示结果

Gradio 部署服务

Gradio 为机器学习模型提供 Web 演示界面，我们所熟知的 Huggingface 的 Demo 界面也是利用它实现的。Gradio 支持上传和展示图片，如图 7 所示，我们可以利用它实现一个以图搜图可交互的服务，可以在它生成的 Web 界面中上传一张图片，来查询与其相似的其他图片。

 图 7 基于 Gradio 的以图搜图服务.

Gradio 的使用十分简单，我们只需要定义查询图片的函数image_search_function，确定其输入和输出，在创建 Gradio 服务的时候绑定函数与对应的输入输出，最后启动服务就搞定了！

import gradio
from towhee.types.image_utils import from_pil
 
with towhee.api() as api:
    image_search_function = (
        api.runas_op(func=lambda img: from_pil(img))
            .image_embedding.timm(model_name='resnet50')
            .tensor_normalize()
            .milvus_search(collection='reverse_image_search', limit=5)
            .runas_op(func=lambda res: [id_img[x.id] for x in res])
            .as_function()
    )
    
 
interface = gradio.Interface(image_search_function, 
                             gradio.inputs.Image(type="pil", source='upload'),
                             [gradio.outputs.Image(type="file", label=None) for _ in range(5)]
                            )
interface.launch(inline=True)

当你成功启动了 Gradio，前端页面会嵌入到当前 notebook 中，如图 7 所示，你也可以点击 Gradio 提供的链接（http://127.0.0.1:7860）打开前端，用于查询图片并查看结果。

如果你想要把以图搜图服务和朋友分享，也可以尝试在launch函数中设置参数 share=True，这时会得到一个公共网址，诸如https://xxxx.gradio.app，我们就可以把自己搭建的以图搜图服务分享给小伙伴啦。

写在最后

其实 Towhee 不仅仅能处理图片这种非结构化数据，对于音频、视频等数据也能进行分析处理，参考本文的实现，同样我们也可以 10 行代码来实现音频处理、视频处理等相关业务的 AI 服务，感兴趣的话大家可以自行尝试。

在下一篇内容中，我将介绍如何对这个系统进行调优处理，敬请期待。

参考

[1] https://zh.wikipedia.org/wiki/%E5%9C%96%E5%83%8F%E6%AA%A2%E7%B4%A2

[2] https://en.wikipedia.org/wiki/Reverse_image_search

[3] https://paperswithcode.com/sota/image-classification-on-imagenet?metric=Top%205%20Accuracy

---

更多项目更新及详细内容请关注我们的项目( https://github.com/towhee-io/towhee/blob/main/towhee/models/README_CN.md) ，您的关注是我们用爱发电的强大动力，欢迎 star, fork, slack 三连 :)