自己動作做"以圖搜圖"演算法
google的以圖搜圖相信大家都不陌生,非常好用
本人這篇文章是紀錄一下自己如何利用本身在人工智能方面的知識
土法煉鋼一個以圖搜圖算法,至於跟google一不一樣就待討論了
首先以圖搜圖本身是一個相似度比對問題,人類怎麼做相似度比對呢?
好比給你一堆圖片,之後要求你選一張喜歡的,之後把剩下的圖片都拿走
過一陣子你手上那張喜歡的圖片搞丟了,這時候唯一能做的就是根據印象
來查找最相似得圖片,這裡涉及到幾個概念,人腦中印象這個概念
1.印象這抽象的東西怎麼在機器中用數值的方式具體描述
2.圖片這東西如何變成印象
因此我用了一個自編碼器,來訓練將圖片壓縮在解壓縮的過程
來得到一個encoder,你可以把encoder想成壓縮器
用途是把圖片壓縮成印象,一種簡化表示
通俗一點來類比就是,例如大象有長長鼻子,那簡化表示後就剩鼻子
大概這樣子.
之後再用knn最近鄰搜索算法,把所有encoder完的z塞進去
之後再推論階段就把圖片丟入encoder>encoder執行轉換成z>
用這個z去當做knn的input來得到最相似的樣本.
一個簡單的以圖搜圖就完成了.
即將進入廣告，捲動後可繼續閱讀
為什麼會看到廣告
留言0
查看全部
你可能也想看
Google News 追蹤
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
特徵工程是機器學習中的核心技術，通過將原始數據轉換為有意義的特徵，以提升模型的準確性和穩定性。常見的特徵工程方法包括異常值檢測、特徵轉換、特徵縮放、特徵表示、特徵選擇和特徵提取。本文將深入探討這些方法的適用情況及具體實施流程，以幫助讀者有效利用特徵工程來優化機器學習模型表現。
研究AI生成美女圖像
研究AI生成美女圖像是一個很有趣的方向，特別是對於喜歡速寫但很少畫美女的我來說。AI生成圖像的技術不僅可以幫助創作出我心中所想的形象，還可以作為靈感的來源，讓我在速寫中嘗試新的風格和主題。
基於大量的數據訓練
AI生成的圖像通常基於大量的數據訓練，可以創造出各種不同風格和
SearchGPT 是由 OpenAI 開發的 AI 驅動搜尋引擎，結合了傳統搜尋引擎技術和最新的 AI 技術，能即時從互聯網獲取資訊。它與其他搜尋引擎相比，提供更相關的搜尋結果、更豐富的結果呈現、更快的速度和更好的生態合作基礎建設。
反省就是重寫自己的演算法吧？
假設我就是人工智慧，或心智的可以被看作爲人工智慧的編輯器，那我的程式碼是什麼樣的？
從懵懂無知到一無所知，從自以為是到自我消逝，心智只是執行它的內容，我也需要不斷優化。
最好的優化就是簡化。
最能創造財富的演算法就是關於如何除錯與減少任何風險。
GNN發展背景
傳統的深度學習模型如在計算機視覺（CV）和自然語言處理（NLP）領域中極為成功，主要是處理結構化數據如影像和文本。這些數據類型通常具有固定且規律的結構，例如影像是由有序的像素點組成。然而，在真實世界中，許多數據是非結構化的，如化合物結構（原子和分子）。這些數據雖然具有一定的規則性，
什麼是 ＡＩ？ Artificial Intellgent
ㄧ個數位大腦
電腦新物種
模擬人類的腦神經
整合２Ｄ與３Ｄ的繪圖視覺
在Bing 裡面基本上分為這幾個類型:
逼真的３Ｄ動畫
動畫虛擬人偶
展示攝影
可愛貼圖
二為圖例
電腦科幻虛擬人偶
公司標誌
卡通電影海
上圖是根據彩色故事腳本生成的照片與草圖。
運用圖生圖的原理，把AI視覺故事腳本的其中一個畫面。擷取出來。
輸入重新繪製這張圖片
AI 會自然根據草圖，重新繪製元素一樣的精細畫面。
今天要聊聊一個我最近AI作圖時常用的手法，就是使用真實世界的照片拼接縫合進AI生產的圖片後，補完AI作圖常出現的缺陷（歪曲的武器、錯誤的肢體姿勢、手指錯誤）。
使用這個方法，可以讓AI更貼近我所需要的完成圖，且少了很多用繪圖軟體修修補補的時間。
AI 是人工智能 (Artificial Intelligence) 的縮寫。它指一種模擬、模仿人類智能的技術與系統。主要使機器能夠執行需要人類智慧才能完成的任務。應用於各領域，包括自動駕駛車輛、語音助手、推薦系統、金融分析、醫學診斷、工業自動化等。不僅可提高效率和準確性，還可解決複雜的問題和挑戰。
可能包含敏感內容
這邊紀錄使用Bing images create 生成原圖並利用Tensor art
嘿，大家新年快樂~ 新年大家都在做什麼呢？
跨年夜的我趕工製作某個外包設計案，在工作告一段落時趕上倒數。
然後和兩個小孩過了一個忙亂的元旦。在深夜時刻，看到朋友傳來的解籤網站，興致勃勃熬夜體驗了一下，覺得非常好玩，或許有人玩過了，但還是想寫上來分享紀錄一下~
特徵工程是機器學習中的核心技術，通過將原始數據轉換為有意義的特徵，以提升模型的準確性和穩定性。常見的特徵工程方法包括異常值檢測、特徵轉換、特徵縮放、特徵表示、特徵選擇和特徵提取。本文將深入探討這些方法的適用情況及具體實施流程，以幫助讀者有效利用特徵工程來優化機器學習模型表現。
研究AI生成美女圖像
研究AI生成美女圖像是一個很有趣的方向，特別是對於喜歡速寫但很少畫美女的我來說。AI生成圖像的技術不僅可以幫助創作出我心中所想的形象，還可以作為靈感的來源，讓我在速寫中嘗試新的風格和主題。
基於大量的數據訓練
AI生成的圖像通常基於大量的數據訓練，可以創造出各種不同風格和
SearchGPT 是由 OpenAI 開發的 AI 驅動搜尋引擎，結合了傳統搜尋引擎技術和最新的 AI 技術，能即時從互聯網獲取資訊。它與其他搜尋引擎相比，提供更相關的搜尋結果、更豐富的結果呈現、更快的速度和更好的生態合作基礎建設。
反省就是重寫自己的演算法吧？
假設我就是人工智慧，或心智的可以被看作爲人工智慧的編輯器，那我的程式碼是什麼樣的？
從懵懂無知到一無所知，從自以為是到自我消逝，心智只是執行它的內容，我也需要不斷優化。
最好的優化就是簡化。
最能創造財富的演算法就是關於如何除錯與減少任何風險。
GNN發展背景
傳統的深度學習模型如在計算機視覺（CV）和自然語言處理（NLP）領域中極為成功，主要是處理結構化數據如影像和文本。這些數據類型通常具有固定且規律的結構，例如影像是由有序的像素點組成。然而，在真實世界中，許多數據是非結構化的，如化合物結構（原子和分子）。這些數據雖然具有一定的規則性，
什麼是 ＡＩ？ Artificial Intellgent
ㄧ個數位大腦
電腦新物種
模擬人類的腦神經
整合２Ｄ與３Ｄ的繪圖視覺
在Bing 裡面基本上分為這幾個類型:
逼真的３Ｄ動畫
動畫虛擬人偶
展示攝影
可愛貼圖
二為圖例
電腦科幻虛擬人偶
公司標誌
卡通電影海
上圖是根據彩色故事腳本生成的照片與草圖。
運用圖生圖的原理，把AI視覺故事腳本的其中一個畫面。擷取出來。
輸入重新繪製這張圖片
AI 會自然根據草圖，重新繪製元素一樣的精細畫面。
今天要聊聊一個我最近AI作圖時常用的手法，就是使用真實世界的照片拼接縫合進AI生產的圖片後，補完AI作圖常出現的缺陷（歪曲的武器、錯誤的肢體姿勢、手指錯誤）。
使用這個方法，可以讓AI更貼近我所需要的完成圖，且少了很多用繪圖軟體修修補補的時間。
AI 是人工智能 (Artificial Intelligence) 的縮寫。它指一種模擬、模仿人類智能的技術與系統。主要使機器能夠執行需要人類智慧才能完成的任務。應用於各領域，包括自動駕駛車輛、語音助手、推薦系統、金融分析、醫學診斷、工業自動化等。不僅可提高效率和準確性，還可解決複雜的問題和挑戰。
可能包含敏感內容
這邊紀錄使用Bing images create 生成原圖並利用Tensor art