https://github.com/effeix/imagefinder

Image similarity finder using Bag of Visual Words algorithm
https://github.com/effeix/imagefinder

bag-of-visual-words image-classification image-processing machine-learning opencv python

Last synced: 7 days ago
JSON representation

Image similarity finder using Bag of Visual Words algorithm

• Host: GitHub
• URL: https://github.com/effeix/imagefinder
• Owner: effeix
• License: bsd-3-clause
• Created: 2018-10-19T13:27:51.000Z (about 6 years ago)
• Default Branch: master
• Last Pushed: 2018-10-19T14:26:54.000Z (about 6 years ago)
• Last Synced: 2024-11-07T09:53:26.471Z (about 2 months ago)
• Topics: bag-of-visual-words, image-classification, image-processing, machine-learning, opencv, python
• Language: Python
• Size: 14.5 MB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# ImageFinder

Este programa tem como objetivo implementar um algoritmo para busca de imagens utilizando outras imagens semelhantes. O funcionamento do programa não é extremanente complexo, podendo ser reproduzido facilmente. Os programa consiste em duas partes: treinamento e busca.

Na parte de treinamento, a tarefa é criar um banco de imagens representadas por seus respectivos histogramas. Primeiramente, são extraídos descritores de cada imagem (utilizando o algoritmo SURF do OpenCV). Estes descritores serão utilizados para criar um vocabulário. Este vocabulário é criado utilizando um método de clusterização, o KMeans. Este método consiste em criar grupos (clusters) distintos de descritores, que serão utilizados para a criação dos histogramas, a última etapa. O histograma representa a frequência de um cluster no conjunto de histogramas (quantas vezes um cluster foi populado por um descritor).

Neste momento temos um conjunto de imagens representados por histogramas. Assim, para realizarmos a busca, coletamos a imagem a ser buscada, a transformamos em uma representação por histograma e comparamos com os histogramas do banco (montados na etapa de treinamento). Os histogramas mais semelhantes ao da imagem buscada são os resultados corretos.

# Utilização

No momento não há uma distinção entre etapas de treinamento e busca, as duas etapas são realizadas de uma vez quando o usuário executar o programa. Da mesma maneira, ainda não é possível escolher quais imagens serão utilizadas para treinamento sem uma alteração direta no código. Para executar, utilize:

```sh

$ python search.py 

```

onde *caminho_imagem* é o caminho do arquivo contendo a imagem a ser buscada. O programa imprimirá o caminho das 5 imagens mais semelhantes encontradas.

# To Do

- Separar treinamento e busca (salvar treinamento)

- Permitir treinamento customizado

- Permitir escolha do método de similaridade

- Persistir imagens e histogramas

- Webservice