imsearch
基于特征点匹配的的局部图像搜索工具
主要基于以下项目：
安装方式
- 安装 OpenCV、faiss
注：编译 faiss 时建议设置 -DFAISS_OPT_LEVEL=avx2 以最大化性能
cargo install --git https://github.com/lolishinshi/imsearch
用法
训练
首次运行时，需要根据大概需要添加的图片数量训练索引：
- 2k ～ 2w： K 取 65536，需要至少 5.2k 张图片训练
- 2w ～ 20w：K 取 262144，至少需要 21k 张图片训练
- 20w ~ 200w：K 取 1048576，至少需要 82k 张图片训练
然后将训练图片放到 train 文件夹内，并使用 imsearch add-images train 添加图片
再使用 imsearch export-data 导出 train.npy
再使用 python utils/train.py K train.npy 训练索引， 训练完的结果会保存在 ~/.config/imsearch/index
注：大数据集上的训练非常耗时，在 K = 1048576，训练图片为 100k 张时，两张 3080 花了 16 个小时才训练完成。
添加图片
使用 imsearch add-images DIR 添加指定目录下的所有图片
构建索引
使用 imsearch build-index 构建索引，这个过程同样非常慢，在 3970x 上，需要约 20～40 分钟构建 10k 张图片的索引
注：可以设置 RUST_LOG=debug 来打印详细日志以观察进度
搜索图片
# 让 imsearch 打印详细日志
export RUST_LOG=debug
# 以默认参数直接搜索单张图片
imsearch search-image test.jpg
# --mmap：不需要加载整个 index 到内存
# --nprobe=128：搜索附近的 128 的 bucket，提高了精度但耗费更多时间
imsearch --mmap --nprobe=128 search-image test.jpg
# 启动服务器，监听 127.0.0.1:8000 端口
imsearch --mmap start-server
# 使用 httpie 通过 web api 搜索图片
http --form http://127.0.0.1:8000/search [email protected]
搜索耗时：250w 张图片的索引，在 3970x 上搜索一次耗时约 0.5s
![[FR] 支持 HNSWx 模式构建索引（实验性）](https://avatars.githubusercontent.com/u/85491763?v=4)
