Výpočet vzdialenosti snímku, vkladanie proti skupine obrázok embeddings

Question 1

Ako správne dostať vzdialenosť obrazu, vkladanie proti zoznam/skupiny ďalšiu snímku, vkladanie?

Mám pretrained model, ktorý používam na extrakt embeddings z obrázkov, a ja by som sa vzdialenosť obrazu pred pár ďalších obrázkov t. j.

Embedding (1028,) against Embedding (5, 1028)

Snažím sa urobiť snímku podobnosť experiment, kde im pomocou Kosínus podobnosť metriku z Tensorflow vypočítať vzdialenosť medzi dvoma vkladanie, a funguje to aj na 1-na-1 výpočtu t. j.

Embedding_1 = (1028,)
Embedding_2 = (1028,)
metrics.CosineSimilarity(Embedding_1, Embedding_2)

ale nemôžem prísť na to, ako na to na 1-k-N vzdialenosť výpočtu.

Embedding_1 = (1028,)
Embedding_Group = [(1028,),(1028,),(1028,),(1028,),(1028,)]

Question 2

To môže byť vykonané s vysielanie. Iterating viac snímok a počítačových vzdialenosti za každý jednotlivý pár je zlý nápad, v tomto prípade, pretože to nebude parallelized (ak viete, ako to urobiť sami).

import tensorflow as tf

embedding = tf.constant([1., 1.]) # your shape here is (1028,) instead of (2,)
embedding_group = tf.constant([[1., 1.], [1., 2.], [0., 1.]]) # your shape here is (5, 1028) instead of (3, 2)
norm_embedding = tf.nn.l2_normalize(embedding[None, ...], axis=-1)
norm_embedding_group = tf.nn.l2_normalize(embedding_group, axis=-1)
similarity = tf.reduce_sum(norm_embedding * norm_embedding_group, axis=-1) # cosine similarity of same shape as number of samples

print(norm_embedding.numpy())
print(norm_embedding_group.numpy())
print(similarity.numpy())
# [[0.7071067 0.7071067]]
# [[0.7071067  0.7071067 ]
#  [0.44721356 0.8944271 ]
#  [0.         1.        ]]
# [0.9999998  0.94868314 0.7071067 ]

Vlad · Answer 1 · 2021-11-22T13:22:59

To môže byť vykonané s vysielanie. Iterating viac snímok a počítačových vzdialenosti za každý jednotlivý pár je zlý nápad, v tomto prípade, pretože to nebude parallelized (ak viete, ako to urobiť sami).

import tensorflow as tf

embedding = tf.constant([1., 1.]) # your shape here is (1028,) instead of (2,)
embedding_group = tf.constant([[1., 1.], [1., 2.], [0., 1.]]) # your shape here is (5, 1028) instead of (3, 2)
norm_embedding = tf.nn.l2_normalize(embedding[None, ...], axis=-1)
norm_embedding_group = tf.nn.l2_normalize(embedding_group, axis=-1)
similarity = tf.reduce_sum(norm_embedding * norm_embedding_group, axis=-1) # cosine similarity of same shape as number of samples

print(norm_embedding.numpy())
print(norm_embedding_group.numpy())
print(similarity.numpy())
# [[0.7071067 0.7071067]]
# [[0.7071067  0.7071067 ]
#  [0.44721356 0.8944271 ]
#  [0.         1.        ]]
# [0.9999998  0.94868314 0.7071067 ]

Výpočet vzdialenosti snímku, vkladanie proti skupine obrázok embeddings

Otázka

Najlepšiu odpoveď

V iných jazykoch

Táto stránka je v iných jazykoch

Populárne v tejto kategórii

Obľúbené otázky v tejto kategórii