- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我们使用 libpuzzle ( http://www.pureftpd.org/project/libpuzzle/doc ) 比较 400 万张图片的相似度。
效果很好。
但不是使用 libpuzzle 函数进行图像与图像比较,还有另一种比较图像的方法。
这里是一些快速背景:
Libpuzzle 为任何给定图像创建一个相当小的(544 字节)散列。该散列又可用于使用 libpuzzles 函数与其他散列进行比较。有一些 API...PHP、C 等...我们正在使用 PHP API。
另一种比较图像的方法是从给定的哈希创建向量,这里是来自文档的粘贴:
Cut the vector in fixed-length words. For instance, let's consider the following vector:
[ a b c d e f g h i j k l m n o p q r s t u v w x y z ]
With a word length (K) of 10, you can get the following words:
[ a b c d e f g h i j ] found at position 0 [ b c d e f g h i j k ] found at position 1 [ c d e f g h i j k l ] found at position 2 etc. until position N-1
Then, index your vector with a compound index of (word + position).
Even with millions of images, K = 10 and N = 100 should be enough to have very little entries sharing the same index.
因此,我们可以使用矢量方法。它实际上比图像与图像比较效果更好,因为当我们进行图像与图像比较时,我们使用其他数据来减少样本量。我们使用哪些其他数据来减少样本量有点无关紧要并且特定于应用程序,但是使用向量方法......我们不必这样做,我们可以对 400 万个哈希中的每一个进行真实测试.
我们遇到的问题如下:
有了 400 万张图片,每张图片有 100 个向量,这就变成了 4 亿行。我们发现 MySQL 在处理大约 60000 张图像(60000 x 100 = 600 万行)后往往会阻塞。
我们使用的查询如下:
SELECT isw.itemid, COUNT(isw.word) as strength
FROM vectors isw
JOIN vectors isw_search ON isw.word = isw_search.word
WHERE isw_search.itemid = {ITEM ID TO COMPARE AGAINST ALL OTHER ENTRIES}
GROUP BY isw.itemid;
如前所述,即使有适当的索引,当涉及到 4 亿行时,上述速度也相当慢。
那么,有人可以建议任何其他技术/算法来测试它们的相似性吗?
我们愿意尝试任何事情。
一些值得一提的事情:
我们能想出的最好办法是:
我们还没有尝试过上面的方法,但是这可能会比执行 mysql 查询产生更好的结果。
有什么想法吗?如前所述,我们愿意安装任何新服务(postgresql?hadoop?)。
最后请注意,可以在问题 Libpuzzle Indexing millions of pictures? 中找到有关此向量 + 比较方法的确切工作原理的概述。 .我们本质上是在使用 Jason 提供的确切方法(目前是最后一个答案,获得 200+ so 分)。
最佳答案
不要在数据库中执行此操作,只需使用一个简单的文件即可。下面我展示了一个文件,其中包含来自两个向量 [abcdefghijklmnopqrst]
(图片 1)和 [xxcdefghijklxxxxxxxx]
(图片 2)
<index> <image>
0abcdefghij 1
1bcdefghijk 1
2cdefghijkl 1
3defghijklm 1
4efghijklmn 1
...
...
0xxcdefghij 2
1xcdefghijk 2
2cdefghijkl 2
3defghijklx 2
4efghijklxx 2
...
现在对文件进行排序:
<index> <image>
0abcdefghij 1
0xxcdefghij 2
1bcdefghijk 1
1xcdefghijk 2
2cdefghijkl 1
2cdefghijkl 2 <= the index is repeated, those we have a match
3defghijklm 1
3defghijklx 2
4efghijklmn 1
4efghijklxx 2
当文件被排序后,很容易找到具有相同索引的记录。编写一个可以遍历排序列表并找到重复项的小程序或其他东西。
关于string - 将 400 万行数据相互匹配并按相似性对结果进行排序的最佳方法?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15717011/
如果您想使用 String.Concat() 连接 5 个或更多字符串,则它会使用 Concat(String[])。 为什么不一直使用 Concat(String[]) 而不再需要 Concat(S
今天在使用 String 时,我遇到了一种我以前不知道的行为。我无法理解内部发生的事情。 public String returnVal(){ return "5";
似乎在我所看到的任何地方,都有一些过时的版本,这些版本不再起作用。 我的问题似乎很简单。我有一个Java类,它映射到derby数据库。我正在使用注释,并且已经成功地在数据库中创建了所有其他表,但是在这
一、string::size_type() 在C++标准库类型 string ,在调用size函数求解string 对象时,返回值为size_type类型,一种类似于unsigned类型的int 数据
我正在尝试将数据保存到我的 plist 文件中,其中包含字符串数组的定义。我的plist - enter image description here 我将数据写入 plist 的代码是 -- let
我有一个带有键/值对的 JavaScript 对象,其中值是字符串数组: var errors = { "Message": ["Error #1", "Error #2"], "Em
例如,为了使用相同的函数迭代 List 和 List> ,我可以编写如下内容: import java.util.*; public class Test{ public static voi
第一个Dictionary就像 Dictionary ParentDict = new Dictionary(); ParentDict.Add("A_1", "1")
这是我的 jsp 文件: 我遇到了错误 The method replace(String, String, String) in the type Functions is not appl
我需要一些帮助。我有一个方法应该输出一个包含列表内容的 txt 文件(每行中的每个项目)。列表项是字符串数组。问题是,当我调用 string.Join 时,它返回文字字符串 "System.Strin
一位同事告诉我,使用以下方法: string url = "SomeURL"; string ext = "SomeExt"; string sub = "SomeSub"; string s
给定类: public class CategoryValuePair { String category; String value; } 还有一个方法: public
我正在尝试合并 Stream>>对象与所有 Streams 中的键一起映射到单个映射中. 例如, final Map someObject; final List>> list = someObjec
在这里使用 IDictionary 的值(value)是什么? 最佳答案 使用接口(interface)的值(value)始终相同:切换到另一个后端实现时,您不必更改客户端代码。 请考虑稍后分析您的代
我可以知道这两个字典声明之间的区别吗? var places = [String: String]() var places = [Dictionary()] 为什么当我尝试以这种方式附加声明时,只有
在 .NET 4.0 及更高版本中存在 string.IsNullOrWhiteSpace(string) 时,在检查字符串时使用 string.IsNullOrEmpty(string) 是否被视为
这个名字背后的原因是什么? SS64在 PowerShell 中解释此处的字符串如下: A here string is a single-quoted or double-quoted string
我打算离开 this 文章,尝试编写一个接受字符串和 &str 的函数,但我遇到了问题。我有以下功能: pub fn new(t_num: S) -> BigNum where S: Into {
我有一个结构为 [String: [String: String]] 的多维数组。我可以使用 for 循环到达 [String: String] 位,但我不知道如何访问主键(这个位 [String:
我正在尝试使用 sarama(管理员模式)创建主题。没有 ConfigEntries 工作正常。但我需要定义一些配置。 我设置了主题配置(这里发生了错误): tConfigs := map[s
我是一名优秀的程序员,十分优秀!