[英]Deep learning with python (Cosine similarity)
我正在學習如何使用 VGG16 model 來識別相似的物體。 我創建了一個文件夾“images”,可以在文件夾內放一些.jpg
。
但我對程序的 cosine_similarity 部分感到困惑。 cosine_similarity function 是將“images”文件夾中的所有jpg轉換為特征向量並相互比較。 當值趨於 1 時,它們更相似。
但我不明白下面的代碼,
sim = ratings.dot(ratings.T)
為什么 jpg 與自身比較(轉置)而不是其他人?
有人可以向我解釋下面的 cosine_similarity 嗎?
from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input, decode_predictions
import numpy as np
import os
import sys
#Calculate similar matrics
def cosine_similarity(ratings):
sim = ratings.dot(ratings.T)
if not isinstance(sim,np.ndarray):
sim = sim.toarray()
norms = np.array([np.sqrt(np.diagonal(sim))])
return (sim/norms/norms.T)
def main():
#from "folder-->image" find all of JPEG files
y_test=[]
x_test=[]
for img_path in os.listdir("C:\\Users\\Desktop\\Python\\ML\\CNN model\\VGG16\\images"):
if img_path.endswith(".jpg"):
img = image.load_img("C:\\Users\\Desktop\\Python\\ML\\CNN model\\VGG16\\images\\" + img_path, target_size=(224,224))
y_test.append(img_path[0:4])
x = image.img_to_array(img)
x= np.expand_dims(x,axis=0)
if len(x_test) > 0:
x_test = np.concatenate((x_test,x))
else:
x_test = x
#Convert to VGG input format
x_test = preprocess_input(x_test)
#include_top=False == not getting VGG16 last 3 layers
model = VGG16(weights = "imagenet", include_top=False)
#Get features
features = model.predict(x_test)
#Calculate similar metrics
features_compress = features.reshape(len(y_test), 7*7*512)
sim = cosine_similarity(features_compress)
#
inputNo = int(sys.argv[1])
top = np.argsort(-sim[inputNo], axis=0)[1:3]
#get the first 2 most similar index
recommend = [y_test[i] for i in top]
print(recommend)
if __name__ == "__main__":
main()
為什么 jpg 與自身(轉置)而不是其他人進行比較?
sim = cosine_similarity(features_compress)
所以在這里,我認為features_compress
是 x_test 中包含的所有圖像的一組特征,而不是單個圖像。
因為在前面的 for 循環中,這就是您使用np.concatenate()
所做的事情。
如果確實如此,那么將cosine_similarity()
返回的結果視為一個矩陣,告訴您每個圖像與其他圖像的相似性。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.