-
使用yolov8进行图像识别，使用在imagenet1k数据集上预训练的resnet模型提取特征，并对每一类物体分别使用特征向量构建kd搜索树用于搜索，使用时，从网页前端捕获用户输入，传入后端使用yolov8识别出物体类别，使用resent50提取该图像特征，该特征会在该图像对应的kd树中进行搜索比较，将该类别中最相似的20张图片以及该物体名称传输至前端进行展示
-
extractor.py:使用在imagenet1k上预训练的resnet50来提取特征，并用于kd树的构建，将kd树保存在imagenetkdt文件夹下用于后续的搜索 -
server.py: 这段脚本运行一个网络服务器。可以通过 Flask 网络界面将图片返回到本地。本地通过kd树搜索最相似的图片展示到网页上 -
best.pt:在食物数据集上使用yolov8训练的模型，识别精度99%，若要进行食物识别可以修改代码使用 -
yolo8l-cls.pt:在imagenet1k上预训练的yolov8模型，没有微调过，可以直接进行图像分类 -
GPUs are not required.
-
python 3.10
imagenet-mini:https://www.kaggle.com/datasets/ifigotin/imagenetmini-1000imagekdt:链接: https://pan.baidu.com/s/1WZqFVZTHYYJkBpvAq6qkBA?pwd=xfyi 提取码: xfyi 复制这段内容后打开百度网盘手机App，操作更方便哦
git clone https://github.com/geshang777/ImageSearchEngineV2.git
conda create -n ISE python=3.10
conda activate ISE
cd ImageSearchEngineV2-main
pip install -r requirements.txt
# 从链接下载imagenet-mini和imagenetkdt文件放在放在static文件夹下
python extractor.py#若下载了imagekdt文件则不用运行
python server.py
#访问localhost:5000即可进入搜索引擎- 当前数据集只有食物数据，且类别比较少，需要扩充✅
- 使用更高效的搜索算法
- 使用云服务器读取数据