人脸识别特征检索

1、Faiss – 高维向量相似度检索和聚类
facebook有一个专门做向量搜索的库faiss，使用类似于检索的方式对最相近的向量进行查找，支持欧氏距离、cosine相似度等常见的匹配方式，更重要的是还支持GPU加速
使用范例 import faiss
https://www.zhihu.com/question/356981769/answer/910084021

你如果选择是indexL2等欧式距离，或点积距离的话 是全量比较；特别耗资源；试试IVFFlat,PCA,PQ等优化的算法，效果比较好

2、Milvus
高性能

Milvus为海量向量搜索场景而设计。Milvus不但集成了业界成熟的向量搜索技术如Faiss和SPTAG，Milvus也实现了高效的NSG图索引。同时，Milvus团队针对Faiss IVF索引进行了深度优化，实现了CPU与多GPU的融合计算，大幅提高了向量搜索性能。Milvus可以在单机环境下完成SIFT1b十亿级向量搜索任务。

更多信息请参考 GitHub 文档：https://github.com/milvus-io/bootcamp/blob/master/docs/milvus101/hardware_platform.md

智能索引

针对不同应用场景，Milvus提供多种向量相似度计算方式和索引类型。Milvus目前支持主流的欧式距离、点积、余弦相似度（未来Milvus会集成更多的相似度计算方式）。同时，Milvus提供适用于n:N查询的量化索引，适用于1:N查询的图索引或树图混合索引。

安装使用指南
https://www.bookstack.cn/read/milvus-0.6-zh/guides-get_started-install_milvus-gpu_milvus_docker.md

原文链接：https://blog.csdn.net/m0_37192554/article/details/107614783

图像识别、人脸识别、相似特征检索、相似人群圈选 - 云数据库 RDS - 阿里云

0.方案特点

使用RDS PostgreSQL存储图像向量特征值。

使用RDS PostgreSQL的PASE插件，创建图像特征向量的向量索引。

应用输入特征向量，在数据库中通过向量索引快速搜索到与之相似的图像，支持返回向量距离，以及按向量距离进行排序。

当有多个过滤条件时，数据库可以使用多个索引对多个条件进行合并过。滤

1.方案优势

     RDS PostgreSQL数据库支持向量索引，图像搜索可以直接在数据库中高效率过滤。

     RDS PostgreSQL支持索引合并过滤，可以同时过滤图像条件和其他属性条件，通过索引可以最大化收敛条件结果集，大幅度提升速度，并降低传输数据量，单次查询可以毫秒级完成。

     通过RDS PostgreSQL只读实例，可以再次提高整体查询吞吐。

海量人脸特征检索解决方案演进之路_QiuL_Hash的博客-CSDN博客

选择RocksDB的原因：在本方案中由于数据写入是双写，引擎的主要压力在数据写盘，RocksDB采用LSM树存储引擎，数据写入性能较好，提供了索引机制，并且提供了C++访问接口，能大大降低开发难度。

最后

以上就是体贴铃铛为你收集整理的人脸识别特征检索的全部内容，希望文章能够帮你解决人脸识别特征检索所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。