Pyretri进行单张图像检索所经历的流程

  1. 用Res50从单张查询图像 中提取得到一个2048维的特征向量

  2. 进行DimProcs：对2048维的特征向量进行L2正则化

  3. 维度处理后的特征降维成了512维的特征向量

    • 这里的gallery_fea&query_fea分别是{ndarray:(4367,512)}，{ndarray:(1,512)}
    • 后面用torch.Tensor()转换成了{Tensor:(4367,512)}，Tensor:{1,512}

  4. 对gallery_fea进行特征增强(feature_enhance)，用的是identity就是啥都没做，直接返回原来的{Tensor:(4367,512)}特征

对上面的总结
  1. 之后用metric计算单张查询图像的特征，和图库图像特征的特征的距离dis
dis的具体形式

  1. 根据算得的dis用torch.argsort(dis, dim=1)函数对index进行排序得到sorted_index

    每一个index对应一张图库集的图像

ranked_neighbors
  1. 通过do_index函数得到根据dis排序得到的图片idx从gallery_info中找到相应路径，并用save_topk_retrieved_images进行保存

    • 最后我们就会得到


      五张最相近的图像
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容