clip-retrieval

项目介绍：clip-retrieval

简介

Clip-retrieval 是一个使得计算 CLIP 嵌入和构建相关的检索系统变得简单的项目。利用它，用户可以在 20 小时内处理 1 亿对文本+图像的嵌入，使用硬件为 NVIDIA 3080 显卡。

项目组成

该项目由多个模块构成，每个模块对应不同功能：

clip client：通过 Python 远程查询后端服务的客户端。
clip inference：快速计算图像和文本的嵌入。
clip index：基于嵌入建立高效的索引。
clip filter：利用索引筛选数据。
clip back：利用简单的 Flask 服务托管这些索引。
clip front：提供一个简单的用户接口用于查询后端。
clip end2end：一个端到端的流程，结合了图像下载、推理、索引构建和前后端应用的启动，方便用户快速上手。

使用方法

用户可以安装 clip-retrieval 软件包，并根据自己的需求选择不同模块进行使用。

pip install clip-retrieval

使用 clip client，用户可以通过文本或图像进行查询，项目提供了一系列 API 可供调用。以下是一些基本示例：

文本查询

通过文本查找相似的图像：

from clip_retrieval.clip_client import ClipClient

client = ClipClient(url="https://knn.laion.ai/knn-service", indice_name="laion5B-L-14")
results = client.query(text="an image of a cat")
print(results[0])

图像查询

通过图像查找相似的图像：

cat_results = client.query(image="cat.jpg")

clip end2end 使用示例

选择一个带有图像链接及其说明的文件，然后执行以下命令可以构建一个完整的搜索系统：

wget https://github.com/rom1504/img2dataset/raw/main/tests/test_files/test_1000.parquet
clip-retrieval end2end test_1000.parquet /tmp/my_output

访问 http://localhost:1234 即可查看结果。

clip back 服务

clip back 提供了一个简单易用的 KNN 服务，其中包含相关的 API 供调用。用户可以自定义所需的模型及参数以优化索引及服务效率。

clip front 界面

clip front 是一个简单的用户界面，用于展示搜索结果。用户可以通过 clip-retrieval ui 查看并使用这个界面。

适用场景

clip-retrieval 常用于以下场景：

大规模数据集的多模态语义检索。
各类图像和文本的快速匹配和筛选。
在学术研究及工业应用中，针对语义搜索构建上层产品及服务。

贡献者与社区

如果您有兴趣为项目贡献代码或想了解更多关于数据的可复用工具，欢迎加入 DataToML 讨论。