Hilfe zum vollständigen Datensatz
Ähnliche Bilder
Es wurde eine Bildähnlichkeitssuche mithilfe von Bildvektoren, die auf Basis des Self-supervised Learning Algorithmus SwAV (Swapping Assignments between Views) erstellt worden sind, integriert. Der Algorithmus ist in Caron et al. [1] beschrieben, eine Implementation wird von Facebook bereitgestellt [2]. Als Modell wurde ein mit dem ImageNet Datensatz [3] vortrainiertes SwAV Modell [4] verwendet. Resultierende Bildvektoren, die auf für das Ergebnis ausreichende 80 Dimensionen gekürzt sind, wurden für alle Bilder im Bildarchiv vorberechnet und im Index gespeichert. Die Anfragen der Suchmaschine reduzieren sich damit auf die Berechnung der Distanz zwischen den im Index gespeicherten Vektoren. Die geringste Distanz wird durch den euklidische Abstand berechnet.
Literatur
- Mathilde Caron and Ishan Misra and Julien Mairal and Priya Goyal and Piotr Bojanowski and Armand Joulin (2020). Unsupervised Learning of Visual Features by Contrasting Cluster Assignments. CoRR, abs/2006.09882.
- https://github.com/facebookresearch/swav
- https://pl-bolts-weights.s3.us-east-2.amazonaws.com/swav/swavimagenet/swavimagenet.pth.tar
- https://www.image-net.org/
