photo-similarity-search

项目介绍：photo-similarity-search

photo-similarity-search 是一个功能强大的照片相似性搜索引擎，旨在通过基于文本描述的视觉相似性来查找图片。这个项目由 @harperreed 创建，依赖于 CLIP（对比语言-图像预训练）模型。通过这个引擎，用户可以轻松地找到与特定文本描述相符的图片。

功能特色

• 快速高效的图片搜索：利用 CLIP 模型，系统能迅速找到相似图片。
• Apple Silicon 专属：该程序仅在 Apple Silicon（MLX）设备上运行。
• 持久化存储：使用 SQLite 和 Chroma 存储图片嵌入信息。
• 用户友好的 Web 界面：提供一个便捷的网页接口，便于用户互动和探索。
• 安全的图像处理：确保图像在搜索和使用过程中的安全。
• 日志记录与监控：通过性能分析提升系统效率。
• 可配置的环境：通过环境变量轻松调整程序设置。

仓库结构

photo-similarity-search 项目的文件结构如下：

embed-photos/
├── README.md
├── generate_embeddings.py
├── requirements.txt
├── start_web.py
└── templates
    ├── README.md
    ├── base.html
    ├── display_image.html
    ├── index.html
    ├── output.txt
    └── query_results.html

• generate_embeddings.py：生成 CLIP 模型的图像嵌入脚本。
• requirements.txt：所需的 Python 依赖列表。
• start_web.py：用于启动照片相似性搜索的 Flask 网络应用程序。
• templates/：包含用于网页界面的 HTML 模板。

快速开始

1. 克隆项目仓库：

   git clone https://github.com/harperreed/photo-similarity-search.git
   

2. 安装必要的依赖：

   pip install -r requirements.txt
   

3. 配置应用程序：通过.env文件设置必要的环境变量。

4. 生成图像嵌入：

   python generate_embeddings.py
   

5. 启动 web 应用程序：

   python start_web.py
   

6. 打开您的网页浏览器，访问 http://localhost:5000，开始探索照片相似性搜索功能！

待办事项

• 使用 siglip 替代 clip
• 增加更稳健的配置选项
• 使 mlx 成为可选功能

致谢

photo-similarity-search 项目是在 Apple 的贡献（MLX）、CLIP 模型以及众多开源库的基础上构建的。特别感谢这些项目的作者和贡献者们的努力。

祝大家搜索愉快！🔍✨