Faiss Web Service

简述

本项目 forked from plippe/faiss-web-service。 添加了提取图片特征向量、构建 Faiss 索引以及构建运行docker三部分。

关于 Faiss 以及其他此项目的详细信息，可以在我的blog上找到，地址在这里。

1. 图片特征提取

使用opencv 的SIFT 特征提取算法，代码位置：src/utils/feature_detect.py

2. 索引构建

简单的构建

代码位置为：src/train_index/train_index.py。 这个代码里面使用的是不需要 train 的索引。

构建需要预训练的索引

在真实使用场景下，我们会使用一些需要预训练的索引，比如"IVFx,Flat"等，关于如何选择合适的索引，请参考这里。 代码位置为：src/train_index/train_index_with_pre_train.py。

词袋模型

因为SIFT默认输出维度为128维，如果觉得太低，可以使用词袋模型（BOW）。 代码实现位置在：src/train_index/train_index_bow.py。

基于Javacv提取出的特征构建索引

代码实现位置在：src/train_index/train_index_from_java.py。

开始

准备环境

可以到 the docker hub image 下载基础镜像:

docker pull plippe/faiss-web-service:1.2.1-gpu

由于提取图片特征向量时，需要用到Opencv，所以还需要在镜像中安装它。

API 使用规则

构建索引

启动docker 容器，进入容器中，运行：

cd src/train_index
python train_index.py

查询API

# Faiss search for ids 1, 2, and 3
curl 'localhost:5000/faiss/search' -X POST -d '{"k": 5, "ids": [1, 2, 3]}'

# Faiss search for image path
curl 'localhost:5000/faiss/search' -X POST -d '{"k": 5, "image": “/image/path/imagename”}'

# Faiss search for vector file path
curl 'localhost:5000/faiss/search' -X POST -d '{"k": 5, "vectors": “/vector/file/path”}'

运行

进入docker container 中，运行 bin/faiss_web_service.sh 即可。

检测状态

检测镜像是否成功启动：

# Healthcheck
curl 'localhost:5000/ping'