imagededup 下载 - imagededup 源代码下载

图像消除

Python

1.0.0

下载

图像重复数据删除器（imagededup）

imagededup 是一个 python 包，它简化了在图像集合中查找精确和近似重复项的任务。

该软件包提供了利用哈希算法的功能，该算法特别擅长查找精确的重复项，以及卷积神经网络，该算法也擅长查找近似的重复项。还提供了一个评估框架来判断给定数据集的重复数据删除质量。

以下详细介绍了该包提供的功能：

卷积神经网络 (CNN) - 从多个预打包模型中进行选择或提供您自己的自定义模型。
感知哈希（PHash）
差异哈希（DHash）
小波哈希 (WHash)
平均哈希值 (AHash)

使用上述算法之一生成图像编码。
在给定地面实况映射的情况下评估重复数据删除有效性的框架。
绘制给定图像文件找到的重复项。

该包的详细文档可以在以下位置找到：https://idealo.github.io/imagededup/

imagededup 与 Python 3.8+ 兼容，可在 Linux、MacOS X 和 Windows 上运行。它根据 Apache 2.0 许可证分发。

内容

安装
快速入门
基准测试
贡献
引文
维护者
执照

安装

安装 imagededup 有两种方法：

从 PyPI 安装 imagededup（推荐）：

pip install imagededup

从 GitHub 源安装 imagededup：

 git 克隆 https://github.com/idealo/imagededup.gitcd imagededup
pip install "cython>=0.29"python setup.py install

快速入门

为了使用感知哈希在图像目录中查找重复项，可以使用以下工作流程：

导入感知哈希方法

从 imagededup.methods 导入 PHashphasher = PHash()

编码 = phasher.encode_images(image_dir='path/to/image/directory')

使用生成的编码查找重复项

重复项 = phasher.find_duplicates(encoding_map=encodings)

使用重复项字典绘制给定文件（例如：“ukbench00120.jpg”）获得的重复项

从 imagededup.utils 导入plot_duplicatesplot_duplicates(image_dir='path/to/image/directory',duplicate_map=duplicates,filename='ukbench00120.jpg')

输出如下所示：

工作流程的完整代码是：

 from imagededup.methods import PHashphasher = PHash()# 为图像目录中的所有图像生成编码encodings = phasher.encode_images(image_dir='path/to/image/directory')# 使用生成的编码查找重复项duplicates = phasher.find_duplicates(encoding_map =encodings)# 使用重复项字典绘制给定文件获得的重复项imagededup.utils 导入plot_duplicatesplot_duplicates(image_dir='path/to/image/directory',duplicate_map=duplicates,filename='ukbench00120.jpg')

还可以使用您自己的自定义模型通过 CNN 方法查找重复项。

有关示例，请参阅存储库的这一部分。

更详细的包功能使用请参考：https://idealo.github.io/imagededup/

基准测试

更新：提供的基准仅在imagededup v0.2.2之前有效。下一个版本对所有方法都有重大更改，因此当前的基准可能不成立。

文档中提供了不同方法的速度和分类指标的详细基准。一般来说，可以得出以下结论：

CNN 最适合近似重复项和包含转换的数据集。
所有重复数据删除方法都适用于包含精确重复项的数据集，但差异哈希是最快的。

贡献

我们欢迎各种贡献。有关更多详细信息，请参阅贡献指南。

引文

如果 Imagededup 对您的研究有用，请在您的出版物中引用它。以下是 BibTeX 条目的示例：

 @misc{idealods2019imagededup，标题={Imagededup}，作者={Tanuj Jain 和 Christopher Lennan 和 Zubin John 和 Dat Tran}，年份={2019}，howpublished={url{https://github.com/idealo/imagededup} },
}