Алгоритм пошуку зображень

AI та машинне навчання, Python — неправильно зазначені категорії?

67 012 UAH

Проєкт перекладено автоматично. Увійдіть або зареєструйтесь, щоб побачити оригінал Всім привітання!Нам потрібен спеціаліст для алгоритму пошуку схожості зображень.Ми бачимо це як комбінацію хашивання зображень і алгоритму пошуку найближчого сусіда.Ось основний робочий процес: 1 .Хашинг зображень: Використовуйте алгоритми perceptual hashing, такі як Average Hash, DCT Hash або pHash, для генерації унікального hash для кожного зображення.В ідеалі цей хаш повинен представляти візуальний вміст зображення в компактній формі.Зберігайте ці хаші в базі даних разом з відповідними ідентифікаторами зображень.2 .Пошук Nearest Neighbour: Коли користувач завантажує зображення, розрахуйте його хаш, використовуючи той же алгоритм.- Використовуйте швидкий алгоритм пошуку найближчих сусідів, наприклад, хешивання з урахуванням розташування, відомої як LSH або k-d дерева, щоб знайти найближчі збігання на основі хаша.- Витягти відповідні зображення з бази даних.3 .Реалізація : Бібліотеки Python, такі як OpenCV, imagehash і scikit-learn, можуть бути корисними для обробки зображень, хашування і пошуку найближчих сусідів.- Оптимізуйте запити до бази даних та індексацію для ефективного пошуку.Дизайн готовий в Figma (в вкладі) Ідея полягає в створенні SaaS-рішення третім особам в бізнес-моделі B2B як, перш за все, нового маркетингового інструменту.Однак мета тут полягає в розробці прототипу для демонстрації можливостей і того, як це може бути реалізовано / представлено, тому необхідна тестова база даних.В ідеалі ми знаходимо спосіб автоматичного вилучення зображень з Інтернету, щоб потім працювати над алгоритмом вилучення, оскільки для його ефективності дійсно потрібні багато подібних елементів.

Ставки 8 Обговорення 1

Yauheni M.

0 0

Проєкти -
Оцінка -
Рейтинг 40

Бюджет: 1500 USD Термін: 90 днів

Здоров’я

Напишіть в особисті повідомлення, щоб уточнити питання.

Дякую вам.

Viktor Andriichuk

3 0

Проєкти 3
Оцінка -
Рейтинг 714

Бюджет: 1500 USD Термін: 15 днів

Ваш підхід до алгоритму пошуку схожості зображень за допомогою перцептивного хаширування і пошуку найближчого сусіда є досить ефективним і часто використовується в практиці. Алгоритми, такі як Average Hash, DCT Hash і pHash, добре підходять для виявлення схожостей на візуальному рівні. Вони стійкі до невеликих змін у зображенні, що робить їх ідеальними для пошуку зображень, які візуально схожі, але не ідентичні. Але є й інші способи, засновані на векторизації зображення і пошуку схожості векторів. Замість хаші можна використовувати вектори фіч, витягнуті з зображень за допомогою алгоритмів машинного зучення або глибокого навчання. Це може поліпшити точність пошуку шляхом збільшення розміру зберігання і часу обчислення. Є повне розуміння, як це реалізувати. Готова взяти.