# reverse_image_search **Repository Path**: windyzone/reverse_image_search ## Basic Information - **Project Name**: reverse_image_search - **Description**: 以图搜图基于Towhee（resnet50 模型） + Milvus - **Primary Language**: Python - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 1 - **Created**: 2025-04-22 - **Last Updated**: 2025-04-22 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README ## 更新列表 **2023/12/20** 增加 图片去除背景，图片转换为448*448尺寸 ## 以图搜图服务快速搭建 电商公司，管理的商品少则几千，多则上百万。如何帮助用户从多如牛毛的商品中找到类似的商品就成了问题。 以图搜图就可以很好的帮助解决这个问题，通过 Towhee（resnet50 模型） + Milvus 如何实现本地环境搭建以图搜图。 Towhee 负责解析图片的特征向量，Milvus 负责存储特征向量然后进行向量查询。 Milvus Bootcamp 提供了很多解决方案 ，https://milvus.io/bootcamp/ ![在这里插入图片描述](https://img-blog.csdnimg.cn/7d17e8ee1ab6484886aa10bb5759c9a9.png#pic_center) 其中就包含以图搜图的解决方案，根据图片相视度解决方案demo，这里实现了比较时候适合公司前后的分离环境的开箱即用的api实现。 配合前端大致效果如下： ![在这里插入图片描述](https://img-blog.csdnimg.cn/a390800e3db64143855d139183fcc1fa.png#pic_center) 包含如下接口 ## API接口 ### 1.创建数据库 不同数据库对应不同的图片数据集合 #### Request - Method: **POST** - URL: ```/milvus/img/table?table={tablename}``` - 创建test数据集: ```/milvus/img/table?table=test``` - Headers： #### Response - Body ```json { "code": 10000, "message": "Successfully", "data": null } ``` ### 2.新增图片 新增图片支持 base64 和url新增 #### Request - Method: **POST** - URL: ```/milvus/img/add``` - test 数据集新增图片数据: ```/milvus/img/add``` - Headers: Content-Type:application/json - Body: ```json { "tags": "风景|标签", "table": "test", "brief":"{\"title\":\"hello world\"} 这里存一些属性", "image": "base64（和url二选一，image优先级更高） ", "url":"http:///xxx.jpp" } ``` #### Response - Body ```json { "code": 10000, "message": "Successfully", "data": "8 返回数据id" } ``` ### 3.更新图片 更新图片支持 base64 和url，根据id进行更新 #### Request - Method: **POST** - URL: ```/milvus/img/update``` - Headers: Content-Type:application/json - Body: ```json { "id":"1 必填", "tags": "风景|标签", "table": "test", "brief":"{\"title\":\"hello world\"} 这里存一些属性", "image": "base64（和url二选一，image优先级更高） ", "url":"http:///xxx.jpp" } ``` #### Response - Body ```json { "code": 10000, "message": "Successfully", "data": "8 返回数据id" } ``` ### 4.以图搜图 根据图片搜索相似图片 #### Request - Method: **POST** - URL: ```/milvus/img/search``` - Headers: Content-Type:application/json - Body: ```json { "TOP_K": "2 查询多少个相似图", "table": "test", "url": "https://img.kakaclo.com/image%2FFSZW09057%2FFSZW09057_R_S_NUB%2F336bd601dfec33925ba1c581908b6c1e.jpg", "image": "base64（和url二选一，image优先级更高） ", } ``` #### Response - Body ```json { "code": 10000, "message": "Successfully", "data": [ { "id": 513552, "tags": "", "brief": "", "distance": 0.00015275638725142926 }, { "id": 93, "tags": "", "brief": "", "distance": 0.0001584545971127227 } ] } ``` distance 越小相似度越高。 ### 5.删除图片 根据id删除 #### Request - Method: **POST** - URL: ```/milvus/img/delete?id={id}&table={table}``` - 删除test表id为6的数据 ```/milvus/img/delete?id=6&table=test``` - Headers: - Body: #### Response - Body ```json { "code": 10000, "message": "Successfully" } ``` ### 6.删除整个数据集 删除milvus的和mysql的表，这个接口慎用，mysql和milvus数据会全部清除。 #### Request - Method: **POST** - URL: ```/milvus/img/drop?table={table}``` - 删除test数据集： ```/milvus/img/drop?table=test``` - Headers: - Body: #### Response - Body ```json { "code": 10000, "message": "Successfully" } ``` ### 7.重新加载已经解析出特征的数据到milvus 这个在milvus升级、迁移和milvus数据损坏的情况下使用 可以将数据集对应的mysql表upload_status更新为0进行重新入milvus。 #### Request - Method: **POST** - URL: ```/milvus/img/load?table={table}``` - 将test mysql笔中upload_status为0的数据重新加载到milvus中： ```/milvus/img/load??table=test``` - Headers: - Body: #### Response - Body ```json { "code": 10000, "message": "Successfully" } ``` ## 快速实践 ### 环境安装 首先我们先有如下环境 python3，mysql，Milvus python3，mysql就不多说了 Milvus 参考 https://milvus.io/docs/v2.1.x/install_standalone-docker.md ### 源码 https://github.com/AndsGo/reverse_image_search ### 配置 找到config.py 替换对应的 MILVUS 配置T 和 MYSQL配置 ```python import os ############### Milvus Configuration ############### MILVUS_HOST = os.getenv("MILVUS_HOST", "127.0.0.1") MILVUS_PORT = int(os.getenv("MILVUS_PORT", "19530")) VECTOR_DIMENSION = int(os.getenv("VECTOR_DIMENSION", "2048")) INDEX_FILE_SIZE = int(os.getenv("INDEX_FILE_SIZE", "1024")) METRIC_TYPE = os.getenv("METRIC_TYPE", "L2") DEFAULT_TABLE = os.getenv("DEFAULT_TABLE", "milvus_img_search") TOP_K = int(os.getenv("TOP_K", "10")) ############### MySQL Configuration ############### MYSQL_HOST = os.getenv("MYSQL_HOST", "127.0.0.1") MYSQL_PORT = int(os.getenv("MYSQL_PORT", "3306")) MYSQL_USER = os.getenv("MYSQL_USER", "root") MYSQL_PWD = os.getenv("MYSQL_PWD", "123456") MYSQL_DB = os.getenv("MYSQL_DB", "milvus") ERP_MYSQL_TABLE = os.getenv("ERP_MYSQL_TABLE", "milvus_img_search") ############### Data Path ############### UPLOAD_PATH = os.getenv("UPLOAD_PATH", "tmp/search-images") DATE_FORMAT = os.getenv("DATE_FORMAT", "%Y-%m-%d %H:%M:%S") ############### Number of log files ############### LOGS_NUM = int(os.getenv("logs_num", "0")) ``` 数据库表结构 ，表是自动生成的 ```sql CREATE TABLE `test` ( `id` bigint(20) unsigned NOT NULL AUTO_INCREMENT COMMENT '主键ID', `milvus_id` bigint(20) DEFAULT NULL COMMENT 'milvus 数据id', `tags` varchar(32) CHARACTER SET utf8mb4 DEFAULT NULL COMMENT '标识', `brief` varchar(500) CHARACTER SET utf8mb4 DEFAULT NULL COMMENT '图片摘要', `upload_status` tinyint(2) DEFAULT '0' COMMENT '0 待上传到milvus 1成功上传到milvus', `feature` mediumtext CHARACTER SET utf8mb4 COLLATE utf8mb4_bin COMMENT '图片特征向量', `create_date` datetime(3) DEFAULT CURRENT_TIMESTAMP(3) COMMENT '创建时间', `modify_date` datetime(3) DEFAULT CURRENT_TIMESTAMP(3) ON UPDATE CURRENT_TIMESTAMP(3) COMMENT '修改时间', PRIMARY KEY (`id`), KEY `idx_tags` (`tags`) USING BTREE, KEY `idx_milvus_id` (`milvus_id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='图片上传记录表'; ``` ### 启动 ``` sh start_server.sh ``` ### Attu https://milvus.io/docs/attu.md Attu是 Milvus 的高效开源管理工具，提供了GUI显示 ![img](https://img-blog.csdnimg.cn/img_convert/bca9a38acd70b62831ebd8453c32447a.png) 原文: https://blog.csdn.net/AndCo/article/details/129316873?spm=1001.2014.3001.5501 更多文章可以关注 **海鸥技术部落**公众号