机器学习笔记 - 使用 ResNet-50 和余弦相似度的基于图像的推荐系统

最新推荐文章于 2024-12-20 16:51:44 发布
最新推荐文章于 2024-12-20 16:51:44 发布
阅读量1.5k 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 深度学习从入门到精通 文章标签： ResNet-50 imagenet 余弦相似度 特征提取 图像检索 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/132128621
本文介绍了一个利用ResNet-50深度学习模型进行特征提取，结合余弦相似度实现图像检索的推荐系统。系统通过预训练的ResNet-50提取图像特征，然后应用全局最大池化，最后使用余弦相似度找到最相似的图像。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、简述

        这里的代码主要是基于图像的推荐系统，该系统利用 ResNet-50 深度学习模型作为特征提取器，并采用余弦相似度来查找给定输入图像的最相似嵌入。

        该系统旨在根据所提供图像的视觉内容为用户提供个性化推荐。

二、所需环境

Python 3.x
tensorflow ==2.5.0
numpy==1.21.0
streamlit
pillow==8.3.1
pandas

三、特征提取

        首先加载ResNet50的基于imagenet预训练模型。

        冻结模型的权重，使其在训练过程中不会更新。

        创建一个新模型，在ResNet50模型之后添加一个GlobalMaxPooling2D层。

        使用预先训练的模型从图像中提取特征。

import tensorflow as tf
import numpy as np
from numpy.linal
了解本专栏 订阅专栏 解锁全文
机器学习笔记 - 什么是向量嵌入？及向量嵌入​在机器学习中的使用
学以致用 知行合一
08-12 687
权重的优化方式是，与具有不同标签的图像相比，具有相同标签的图像嵌入得更近。现在，给定一个新的未见过的图像，我们可以使用 CNN 模型对其进行转换，检索其 k 个最相似的向量，从而检索相应的相似图像。在推荐任务中，当对未见过的对象进行推荐时，推荐系统会寻找与所讨论的对象最相似的对象，通过它们与向量嵌入的相似性来衡量。换句话说，当我们将现实世界的对象和概念（例如图像、录音、新闻文章、用户配置文件、天气模式和观点）表示为向量嵌入时，这些对象和概念的语义相似性可以通过接近程度来量化它们彼此作为向量空间中的点。
机器学习笔记：基于内容的图像实例检索-数据集和网络模型概览
web_bug407的博客
09-17 216
Stanford Online Products：这是一个专门用于实例检索任务的数据集，包含120,053个产品图像，涵盖了22,634个类别。每个产品类别都有多个图像示例，可以用于训练和评估基于内容的图像实例检索模型。这种技术可以根据输入的查询图像，在大型图像库中找到与之相似的图像。通过使用这些网络模型，可以将输入图像转换为高维特征向量，并使用相似度度量方法（如余弦相似度）来计算查询图像与数据库中图像之间的相似度。希望本文对您理解基于内容的图像实例检索的数据集和网络模型提供了一些帮助。
image-similarity:计算图片之间的相似度
05-18
ImageSimilarity 计算图片相似度的应用很广泛，如google、baidu、360等搜索引擎以图搜图的功能就是其典型应用。下面介绍介绍两种算法： 感知哈希算法（Perceptual hash algorithm） 那这种技术的原理是什么呢？根据Neal Krawetz博士的解释，原理非常简单易懂。我们可以用一个快速算法，就达到基本的效果。这里的关键技术叫做感知哈希算法（Perceptual hash algorithm），它的作用是对每张图片生成一个"指纹"（fingerprint）字符串，然后比较不同图片的指纹。结果越接近，就说明图片越相似。下面是一个最简单的实现： 第一步，缩小尺寸。将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。 第二步，简化色彩。将缩小后的图片，转为64级灰度。也就是说
ImageSimilarity:使用Resnet50 + KNN在数据集中查找相似图像以获取新图像。 为了解决使用PCA降低维度的诅咒
04-13
图像相似度 使用Resnet50+KNN在数据集中查找相似图像以获取新图像。 为了解决curse of dimensionality使用PCA来降低特征的维数。 Resnet50（在imageNet上训练） 在没有toplayer的情况下从keras创建Resnet50，以获取卷积特征（2048维）作为输出，而不是图像分类概率。 为数据集的每个图像提取卷积特征（Feature_size：[number_images，2048]）。 KNN（不是分类问题） 将最近邻算法拟合到从数据集中提取的特征 提取测试图像（新）的卷积特征，并计算测试图像与数据集的每个图像之间的距离（image_Similarity）。 PCA 将PCA应用于提取的特征并减小尺寸。 使最近邻算法适合新功能
基于ResNet的图像识别
最新发布
克里斯蒂亚诺更新的博客
12-20 364
【代码】基于ResNet的图像识别。
图片相似度
where amazing happens
12-12 1368
背景 When browsing through outfits on clothing sites, looking for a vacation rental on Airbnb, or choosing a pet to adopt, the way something looks is often an important factor in our decision.  ...
使用pytorch中的resnet预训练模型进行特征提取，以及查找相似图像
qq_30125323的博客
07-27 9834
想通过缩略图找原图？之前p过的图像想找原图？汇报时使用压缩过的图像现在想找原图？如何从大量图像文件中快速找到与目标图像相似的那个？pytorch 只需要几行代码就可以搞定。
机器学习-余弦相似度计算图片相似性
04-07
NULL 博文链接：https://deepfuture.iteye.com/blog/1583934
CLIP Learning Transferable Visual Models From Natural Language Supervision (文本和图像的对比学习)--文献翻译和笔记
qq_42014059的博客
12-21 2480
论文链接：[2103.00020] Learning Transferable Visual Models From Natural Language Supervision (arxiv.org) ICML2021(机器学习顶级会议) 摘要 最先进的计算机视觉系统被训练来预测一组固定的预定目标类别。这种受限制的监督形式限制了它们的通用性和可用性，因为需要额外的标记数据来指定任何其他可视化概念。直接从关于图像的原始文本中学习是一个很有前途的选择，它利用了更广泛的监督来源。我们证...
机器学习与数据挖掘笔记
m0_59467663的博客
06-16 2002
什么是机器学习?“机器学习是对能通过经验自动改进的计算机算法的研究”。为什么研究机器学习？设计更好的计算系统认知科学（Cognitive Science）时机已成熟机器学习三要素-大数据、算法、计算资源机器学习的分类监督学习（Supervised Learning）: 在这种类型的机器学习中，算法从标记的训练数据中学习，然后用学到的知识来预测新的、未标记的数据。例如，可以通过已知的房价数据来训练一个模型，然后用这个模型来预测新房子的价格。
pytorch利用resnet50提取图像特征
booklijian的专栏
02-05 7975
import os import torch import torch.nn as nn from torchvision import models,transforms from torch.autograd import Variable import numpy as np from PIL import Image import time device=torch.device("cuda:3" if torch.cuda.is_available() else "cpu") class n.
深度学习入门篇-推荐系统-相似度算法原理
qq_54101090的博客
03-21 1714
编程语言：python编码工具：jupyter notebook用到的库：sklearn-一个机器学习常用的库，这次主要用到余弦相似度第一步：特征处理第二步：计算用户与每一篇文章的夹角余弦值第三步：排序，得到用户的推荐列表//加载文章的特征向量文档//定义用户特征向量[3,3]，也可以接入数据[3.3]//第二步,导包计算夹角余弦值//使用方法//第一种用法，只传x，得到x内的每一个向量与其余向量的夹角余弦值。
检索出与指定图片相似度最高的n张图片
MusicDancing的博客
09-25 1863
1. 使用vgg16提取图片特征 # -*- coding: UTF-8 -*- import numpy as np import h5py import matplotlib.image as mpimg import matplotlib.pyplot as plt from keras.applications.vgg16 import VGG16 from keras.applications.vgg16 import preprocess_input as preprocess_input_
如何用resnet50提取图片特征【咨询大厂大佬版】
weixin_43409127的博客
09-04 1041
如何用resnet50提取图片特征【咨询大厂大佬版】
[深度学习 - 实战项目] 以图搜图Resnet+LSH-特征编码/图像检索/相似度计算
热门推荐
iamfishman
10-24 1万+
参考代码来源于 http://github.com/yinhaoxs/ImageRetrieval-LSH 以图搜图 1. 写在最前面 入职新公司以后一直在搞项目，没什么时间写博客。 最近一个项目是以图搜图项目，主要用到的技术就是目标检测（yolo）+图像检索（ResNet+LSH）。 目标检测就不用多说了，成熟和现成的代码一抓一大把，主要问题就是在优化提升精度和性能上的摸索。 图像检索的技术也挺多，但是网上的资源相对较少，所以记录一下这段时间用到的一个代码。 最开始直接看到的是这个作者的ImageRe.
Siamese+Resnet进行相似度计算
湾区小学生的博客
07-31 954
使用SiameseNet进行肺部相似度计算，同样可以用于人脸识别等场景。特征提取网络结果为Resnet，可以为Resnet34、Resnet50等。
python调用resnet模型 对人脸图片进行特征提取，提取全连接层特征向量
zuqiutxy的博客
05-03 1万+
#resnet feature extraction import os os.chdir('/root/caffe-master/examples') import numpy as np import matplotlib.pyplot as plt import itertools import csv plt.rcParams['figure.figsize']=(10,10) plt
讲解pytorch可视化 resnet50特征图
牛肉胡辣汤
12-15 1982
然后，我们加载了查询图像，并提取了查询图像的特征。接下来，我们以类似的方式对图像数据库中的每个图像提取特征。然后，我们计算查询图像特征与数据库中每个图像特征的相似度，并根据相似度对数据库图像进行排序。通过这种方法，我们可以使用ResNet50的特征图来构建一个简单的图像检索系统。该系统可以在图像数据库中找到与查询图像相似的图像，从而在实际应用中具有广泛的用途，如图像搜索引擎、商品推荐等。这对于理解模型在图像中学到的特征非常有帮助，并帮助我们进行图像分析和理解计算机视觉模型的工作原理。最后，我们使用模型的。
ResNet50进行image分类
CVAIDL的博客
09-03 9110
keras预训练模型应用(1)：ResNet50进行image分类 Keras 中文文档: Application应用：Kera的应用模块Application提供了带有预训练权重的Keras模型，这些模型可以用来进行预测、特征提取和finetune. 今早跑了第一个官方实例程序：利用ResNet50网络进行ImageNet分类。 测试图片【非洲象】： ResNet50结构： ...
图像相似度分析与数据集应用指南
3. 深度学习方法：通过预训练的卷积神经网络（CNN），如VGG, ResNet等，提取图像特征，再通过余弦相似度、欧氏距离等来衡量特征向量之间的差异。 三、本资源中的数据集 资源中提到的"caltech_256"是一个常用的图像...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坐望云起

如果觉得有用，请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值