Integrar incorporadores de imagens

Os incorporadores de imagens permitem incorporar imagens em um vetor de recursos de alta dimensão que representa o significado semântico de uma imagem, que pode ser comparado com o vetor de recursos de outras imagens para avaliar a similaridade semântica.

Ao contrário da pesquisa de imagens, o incorporador de imagens permite calcular a similaridade entre imagens em tempo real, em vez de pesquisar em um índice predefinido criado com base em um corpus de imagens.

Use a API Task Library ImageEmbedder para implantar seu incorporador de imagens personalizado nos seus apps para dispositivos móveis.

Principais recursos da API ImageEmbedder

• Processamento de imagens de entrada, incluindo rotação, redimensionamento e conversão de espaço de cores.

• Região de interesse da imagem de entrada.

• Função utilitária integrada para calcular a similaridade de cosseno entre vetores de recursos.

Modelos de incorporação de imagens compatíveis

Os modelos a seguir têm garantia de compatibilidade com a API ImageEmbedder.

• Modelos de vetor de atributos da coleção de módulos de imagens do Google no Kaggle Models.

• Modelos personalizados que atendem aos requisitos de compatibilidade de modelo.

Executar inferência em C++

// Initialization
ImageEmbedderOptions options:
options.mutable_model_file_with_metadata()->set_file_name(model_path);
options.set_l2_normalize(true);
std::unique_ptr<ImageEmbedder> image_embedder = ImageEmbedder::CreateFromOptions(options).value();

// Create input frame_buffer_1 and frame_buffer_2 from your inputs `image_data1`, `image_data2`, `image_dimension1` and `image_dimension2`.
// See more information here: tensorflow_lite_support/cc/task/vision/utils/frame_buffer_common_utils.h
std::unique_ptr<FrameBuffer> frame_buffer_1 = CreateFromRgbRawBuffer(
      image_data1, image_dimension1);
std::unique_ptr<FrameBuffer> frame_buffer_2 = CreateFromRgbRawBuffer(
      image_data2, image_dimension2);

// Run inference on two images.
const EmbeddingResult result_1 = image_embedder->Embed(*frame_buffer_1);
const EmbeddingResult result_2 = image_embedder->Embed(*frame_buffer_2);

// Compute cosine similarity.
double similarity = ImageEmbedder::CosineSimilarity(
    result_1.embeddings[0].feature_vector(),
    result_2.embeddings[0].feature_vector());

Consulte o código-fonte para mais opções de configuração do ImageEmbedder.

Executar inferência em Python

Etapa 1: instale o pacote Pypi de suporte do TensorFlow Lite.

Instale o pacote Pypi de suporte do TensorFlow Lite usando o seguinte comando:

pip install tflite-support

Etapa 2: usar o modelo

from tflite_support.task import vision

# Initialization.
image_embedder = vision.ImageEmbedder.create_from_file(model_path)

# Run inference on two images.
image_1 = vision.TensorImage.create_from_file('/path/to/image1.jpg')
result_1 = image_embedder.embed(image_1)
image_2 = vision.TensorImage.create_from_file('/path/to/image2.jpg')
result_2 = image_embedder.embed(image_2)

# Compute cosine similarity.
feature_vector_1 = result_1.embeddings[0].feature_vector
feature_vector_2 = result_2.embeddings[0].feature_vector
similarity = image_embedder.cosine_similarity(
    result_1.embeddings[0].feature_vector, result_2.embeddings[0].feature_vector)

Consulte o código-fonte para mais opções de configuração do ImageEmbedder.

Resultados de exemplo

A semelhança de cossenos entre vetores de recursos normalizados retorna uma pontuação entre -1 e 1. Quanto maior, melhor. Uma semelhança de cossenos de 1 significa que os dois vetores são idênticos.

Cosine similarity: 0.954312

Teste a ferramenta simples de demonstração da CLI para ImageEmbedder com seu próprio modelo e dados de teste.

Requisitos de compatibilidade de modelo

A API ImageEmbedder espera um modelo do TFLite com metadados do modelo do TFLite opcionais, mas altamente recomendados.

Os modelos de incorporação de imagens compatíveis precisam atender aos seguintes requisitos:

• Um tensor de imagem de entrada (kTfLiteUInt8/kTfLiteFloat32)

  • entrada de imagem de tamanho [batch x height x width x channels].
  • A inferência em lote não é compatível (batch precisa ser 1).
  • Somente entradas RGB são aceitas (channels precisa ser 3).
  • Se o tipo for kTfLiteFloat32, NormalizationOptions precisará ser anexado aos metadados para normalização de entrada.

• Pelo menos um tensor de saída (kTfLiteUInt8/kTfLiteFloat32)

  • com componentes N correspondentes às dimensões N do vetor de recursos retornado para essa camada de saída.
  • Duas ou quatro dimensões, ou seja, [1 x N] ou [1 x 1 x 1 x N].