CLIP-ImageSearch-NCNN

CLIP-ImageSearch-NCNN

利用CLIP快速进行手机相册中的自然语言图像搜索

CLIP-ImageSearch-NCNN项目在移动设备和x86平台上使用CLIP模型实现了自然语言图像检索功能。通过图像和文本特征提取,支持以图搜图、以字搜图等多种搜索方式,提供高效的图像搜索体验。项目包含适用于Android和x86平台的demo,利用ncnn进行部署,广泛适用于手机相册等图像搜索应用。

CLIPncnn图片搜索自然语言检索模型Github开源项目

项目介绍:CLIP-ImageSearch-NCNN

项目概述

CLIP-ImageSearch-NCNN是一个将自然语言与图像进行匹配的工具,旨在优化手机相册中的图片搜索功能。它可以通过在后台自动提取每张图片的特征,从而实现快速的搜索结果展示。同时,项目还可以显示每个图片与搜索内容的匹配概率,并按照概率从高到低返回结果。

项目的动机

项目的灵感来源于作者在开发GPT模型时的经验。在开发过程中,作者意识到CLIP与GPT具备相似的灵活性,因此萌生了将CLIP应用于图像搜索的想法。作者特别关注了一个名为“natural-language-image-search”的项目,该项目能够通过输入自然语言来搜索图像,这正是CLIP-ImageSearch-NCNN的核心功能。

技术和实现

该项目使用ncnn框架部署了CLIP模型,实现了自然语言图像检索功能。目标是提供在x86和Android端都可以使用的demo。目前,所有的模型文件和可执行程序均已上传至Github,供用户下载和使用。

使用指南

Android端

  1. 下载并运行提供的APK。
  2. 点击“扫描相册”,扫描手机中的图片。
  3. 选择一个时间段进行特征抽取,过程与图片数量成正比。
  4. 在搜索框中输入英文描述,点击“搜”。
  5. 程序将自动显示最匹配的结果。

x86端

  1. 运行提供的EXE文件。
  2. 点击“1.选择图库”选择待搜索的图片文件夹。
  3. 点击“2.抽取图库特征”以提取图片特征。
  4. 输入描述性英文句子。
  5. 点击“4.搜”以查看匹配结果。

项目结构

  • android文件夹:包含APK程序的源代码。
  • x86文件夹:包括基于QT开发的EXE程序的源代码。
  • gallery文件夹:一个小型图库供测试使用。
  • resources文件夹:README的资源文件。

工作原理

项目通过以下步骤实现图像搜索:

  1. 使用CLIP的encode_image提取图片特征,建立图库特征向量。
  2. 使用CLIP的encode_text提取文本特征,建立文本特征向量。
  3. 计算两个特征向量的相似度,返回最高匹配概率的图片。
  4. 支持多种玩法,例如以字搜图、以图搜字等。

构建图库所有图片的特征向量是项目中最耗时的部分,项目使用“RN50”模型进行特征提取。

项目成果

  • PyTorch模型的梳理与导出。
  • 实现了x86和Android端的演示程序,用户可以通过百度网盘下载相关的二进制文件并进行编译和运行。

参考项目

  1. ncnn
  2. CLIP
  3. natural-language-image-search

CLIP-ImageSearch-NCNN在逐步更新中,作者希望通过这个项目进一步提升自然语言图像搜索的效率和用户体验,并期待更多用户的关注和支持。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多