AI алгоритм поиска изображений

AI и машинное обучение, Python — неверно указаны категории?

66 773 UAH

Всем привет! Нам нужен специалист для алгоритма поиска сходства изображений. Мы видим это как комбинацию хэширования изображений и алгоритм поиска ближайшего соседа. Вот базовый рабочий процесс:

1. Хэширование изображений:

- Используйте алгоритмы perceptual hashing, такие как Average Hash, DCT Hash или pHash, для генерации уникального хэша для каждого изображения. В идеале этот хэш должен представлять визуальное содержимое изображения в компактной форме.

- Храните эти хэши в базе данных вместе с соответствующими идентификаторами изображений.

2. Поиск Nearest Neighbour:

- Когда пользователь загружает изображение, вычислите его хэш, используя тот же алгоритм.

- Используйте быстрый алгоритм поиска ближайших соседей, такой как хеширование с учетом местоположения, известное как LSH или k-d деревья, чтобы найти наиболее близкие совпадения на основе хэша.

- Извлеките соответствующие изображения из базы данных.

3. Реализация:

- Библиотеки Python, такие как OpenCV, imagehash и scikit-learn, могут быть полезны для обработки изображений, хэширования и поиска ближайших соседей.

- Оптимизируйте запросы к базе данных и индексацию для эффективного поиска.

Дизайн готов в Figma (во вложении)

Идея заключается в создании SaaS-решения третьим лицам в бизнес-модели B2B в качестве, прежде всего, нового маркетингового инструмента. Однако цель здесь состоит в разработке прототипа для демонстрации возможностей и того, как это может быть реализовано / представлено, поэтому необходима тестовая база данных. В идеале мы находим способ автоматического извлечения изображений из Интернета, чтобы затем поработать над алгоритмом извлечения, поскольку для его эффективности действительно требуется много похожих элементов.

Ставки 8 Обсуждения 1

Yauheni M.

0 0

Проекты -
Оценка -
Рейтинг 40

Бюджет: 1500 USD Срок: 90 дней

Здравствуйте.

Напишите в личные сообщения, для уточнения вопросов.

Спасибо.

Viktor Andriichuk

3 0

Проекты 3
Оценка -
Рейтинг 714

Бюджет: 1500 USD Срок: 15 дней

Ваш подход к алгоритму поиска сходства изображений с использованием перцептивного хэширования и поиска ближайшего соседа является довольно эффективным и часто используется в практике. Алгоритмы, такие как Average Hash, DCT Hash и pHash, хорошо подходят для выявления сходства на визуальном уровне. Они устойчивы к небольшим изменениям в изображении, что делает их идеальными для поиска изображений, которые визуально похожи, но не идентичны. Но есть и другие способы, основанные на векторизации изображения и поиска схожести векторов. Вместо хэшей можно использовать векторы фич, извлеченные из изображений с помощью алгоритмов машинного зучения или глубокого обучения. Это может улучшить точность поиска за счет увеличения размера хранения и времени вычислений. Есть полное понимание как это реализовать. Готов взяться.