Вычисление расстояния встраивания изображения по сравнению с группой встраиваний изображений

Question 1

Как правильно определить расстояние встраивания изображения по сравнению со списком/группой встраивания другого изображения?

У меня есть предварительно подготовленная модель, которую я использую для извлечения вложений из изображений, и я хотел бы получить расстояние изображения от нескольких других изображений, т. Е.

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

Я пытаюсь провести эксперимент по подобию изображений, в котором я использую метрику косинусного сходства из Tensorflow для вычисления расстояния между двумя вложениями, и это хорошо работает при вычислении 1 к 1, т. Е.

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

но я не могу понять, как это сделать при вычислении расстояния от 1 до N.

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

Question 2

Это можно было бы сделать с помощью радиовещания. Перебор изображений и вычисление расстояния для каждой отдельной пары в этом случае плохая идея, так как она не будет распараллелена (если вы не знаете, как это сделать самостоятельно).

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

Это можно было бы сделать с помощью радиовещания. Перебор изображений и вычисление расстояния для каждой отдельной пары в этом случае плохая идея, так как она не будет распараллелена (если вы не знаете, как это сделать самостоятельно).

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 ]

Вычисление расстояния встраивания изображения по сравнению с группой встраиваний изображений

Вопрос

Лучший ответ

На других языках

Эта страница на других языках

Популярное в этой категории

Популярные вопросы в этой категории