python - 如何在python中 reshape 图像的128 d矢量

Question

我正在尝试计算两个图像之间的euclidean distance。为此，我首先获取图像的128d数组，然后使用cv2.norm()获取距离。下面是代码:

embedder = cv2.dnn.readNetFromTorch(<model_path>)
embedder.setInput(faceBlob)
unknown_vector = embedder.forward()

###
# SOME CODE
###

for i in range(len(known_embeddings["embeddings"])):
    known_vector = known_embeddings["embeddings"][i]
    distance = cv2.norm(unknown_vector, known_vector)

但在 cv2.norm()之上却给出以下错误:
cv2.error: OpenCV(4.1.0) C:\projects\opencv-python\opencv\modules\core\src\norm.cpp:1018: error:
(-215:Assertion failed) _src1.sameSize(_src2) && _src1.type() == _src2.type() in function 'cv::norm'
我打印了 known_vector和 unknown_vector，它看起来像下面的样子:

known_vector = [ 0.05413035  0.0257974   0.00822693 -0.02118884 -0.00418675  0.21330039
                 0.04995908  0.08850633 -0.10475695  0.04271172  0.08244997  0.11823266
                 0.05605    -0.26287156 -0.03104441 -0.11828042 -0.10454978  0.08653253
                 0.05605    -0.26287156 -0.03104441 -0.11828042 -0.10454978........... ]

unknow_vector = [[ 0.0166864   0.14611466 -0.06341252 -0.017478    0.04083985  0.28554845
                   0.03665403 -0.03293686 -0.05170902  0.07699523  0.06401276 -0.03113891
                   0.05892153 -0.16073132  0.04638063 -0.01014538 -0.07338376  0.07749851
                   0.02471998 -0.10915973  0.16763256 -0.02218471 -0.06936902........... ]]

因此，从上方看，它们的形状不同。如何转换 unknown_vector以匹配 known_vector的形状。请帮忙。谢谢

Answer 1

您不应在不需要循环的地方使用循环。尽可能使用矢量化操作。

此外，我不确定您为什么还要使用opencv，仅pytorch就足以完成我认为的任务(如果没有，请在评论中进行说明)，请参见下文:

import torch

embedding = torch.nn.Embedding(1000, 50)
example_vector = torch.randn(50)

# Broadcast to (1000, 50) automatically, result is of shape 1000
distances = torch.norm(example_vector.reshape(1, -1) - embedding.weight, dim=1)

distances包含您的 example_vector到每个嵌入的距离，您可以从中获取 torch.max或 min或任何其他想要的距离。