图像搜索

SentenceTransformers 提供了将图像和文本嵌入到同一向量空间的模型。这允许找到相似的图像以及实现图像搜索。

安装

确保您已安装 transformers 以使用 image-text-models，并使用最新的 PyTorch 版本（已使用 PyTorch 1.7.0 测试）。Image-Text-Models 已在 SentenceTransformers 版本 1.0.0 中添加。Image-Text-Models 仍处于实验阶段。

使用方法

SentenceTransformers 为 OpenAI CLIP 模型提供了一个包装器，该模型在各种（图像，文本）对上进行了训练。

from sentence_transformers import SentenceTransformer
from PIL import Image

# Load CLIP model
model = SentenceTransformer("clip-ViT-B-32")

# Encode an image:
img_emb = model.encode(Image.open("two_dogs_in_snow.jpg"))

# Encode text descriptions
text_emb = model.encode(
    ["Two dogs in the snow", "A cat on a table", "A picture of London at night"]
)

# Compute similarities
similarity_scores = model.similarity(img_emb, text_emb)
print(similarity_scores)

您可以将 CLIP 模型用于

文本到图像 / 图像到文本 / 图像到图像 / 文本到文本搜索
您可以使用常规 SentenceTransformers 训练代码在您自己的图像和文本数据上对其进行微调。

示例

Image_Search.ipynb (Colab 版本) 描述了一个更大的 文本到图像 和 图像到图像 搜索示例，使用了来自 Unsplash 的 25,000 张免费图片。
Image_Search-multilingual.ipynb (Colab 版本) 多语言 text2image 搜索示例，支持 50 多种语言。
Image_Clustering.ipynb (Colab 版本) 展示了如何执行图像聚类。给定来自 Unsplash 的 25,000 张免费图片，我们找到了相似图像的集群。您可以控制聚类的敏感程度。
Image_Duplicates.ipynb (Colab 版本) 展示了一个示例，说明如何在大型照片集中查找重复和近似重复的图像。
Image_Classification.ipynb (Colab 版本) (多语言) 零样本图像分类示例。