MMFinder

一个美女图搜索应用的demo。

新增了ElasticSearch版本，配置简单，详细说明请查看：elasticsearch分支。

环境

python3.6以上 + mongodb + SPTAG

安装依赖

安装Dlib

Mac or Linux

需要先安装好Cmake再通过pip安装即可。

pip3 install dlib

对于Windows

对于python3.6可以通过whl快速安装。

pip install https://pypi.python.org/packages/da/06/bd3e241c4eb0a662914b3b4875fc52dd176a9db0d4a2c915ac2ad8800e9e/dlib-19.7.0-cp36-cp36m-win_amd64.whl#md5=b7330a5b2d46420343fbed5df69e6a3f

其他版本可以参考网上教程。

安装Python依赖

cd MMFinder
pip3 install -r requirements.txt

数据准备

1. 准备数据

爬取MM图片数据。

如果没有美女图片，可以用我的数据，Google Drive下载链接：https://drive.google.com/file/d/1shZ3gx9nHPHUgylsZIrvWliwCh9TucAo/view?usp=sharing。解压密码：nladuo。

2. 过滤图片

只选出带一个脸的美女图，然后放到mongo里面

cd data_prprocess
python3 filter_images.py

特征工程

通过VGG-net对人脸图片特征提取，转换成dense-vector。

1. 下载VGG预训练模型

Google Drive：https://drive.google.com/file/d/1CPSeum3HpopfomUEK1gybeuIVoeJT_Eo/view?usp=sharing]
百度云链接:https://pan.baidu.com/s/1Dk40tW2lx1ezTda9IyIO9g 密码:0vc7

2. 使用VGG提取特征并构建数据集

cd data_prprocess
python3 feature_extraction.py

建立索引

1. 安装SPTAG，并启动Rpc服务

见：Docker下SPTAG的安装与测试

2. 对图片建立索引

cd index_construction
python3 export_SPTAG_indexbuilder_input.py

拷贝mm_index_input.txt到docker容器中

docker cp mm_index_input.txt 25042d741f07:/app/Release/

进入SPTAG的docker容器中，建立索引

docker attach 25042d741f07
./indexbuilder -d 2622 -v Float  -i ./mm_index_input.txt -o data/mm_index -a BKT -t 2

启动SPTAG搜索服务

python3 SPTAG_rpc_search_service.py

3. 搜索测试

对于mac用户，可以先安装imgcat，然后运行index_construction/search_test.py.

效果如下：

运行demo

运行演示网站

cd web_demo
python3 main.py

测试效果

打开http://localhost:3889

上传一张图片测试，效果如下：

Reference

• https://sefiks.com/2018/08/06/deep-face-recognition-with-keras/

LICENSE

MIT