MemeFinder

迷因檢索引擎

項目描述

採用的技術

• 影像處理
• 機器學習
• 自然語言處理
• 外殼腳本

收藏

這些迷因是使用 scraper 腳本scrape/scraper.py從流行的 subreddits 收集的

標準化

• 收集到的模因放入raw資料夾中，並執行腳本standard.py
• 每個檔案名稱都被提取並儲存在為圖像生成的新的基於十六進制的檔案名稱旁邊的文字檔案中
• 標準化後的影像儲存在processed資料夾中

查詢擷取

• 輸入的查詢被分成單詞，每個單詞的同義詞被添加到使用 nltk 庫的related queries列表中
• 我們掃描資料庫以將單字與related queries中的單字進行匹配
• 這擴大了搜尋範圍並最大限度地減少零輸出場景

與查詢的相關性

• 迷因按照與搜尋查詢的相關性排序
• 這是透過為資料庫中存在的每個迷因分配一個分數，然後按分數降序排序來完成的

光學字元辨識

• OCR 是使用Tesseract從模因中提取文字來完成的，這是該專案的重要組成部分
• 提取的文字並不完全準確，因此 ocr 的輸出被輸入到 Python autocorrect庫的拼字檢查器中
• 拼字檢查器使轉換更加準確

快速測試

要運行 GUI 並測試功能，只需鍵入

 sudo bash run.sh

收集並運行

• 從 subreddits 收集迷因

 sudo bash collect.sh

• bash 腳本準備資料庫，使 Meme 引擎能夠正常運作
• 若要執行 Meme 檢索引擎 (Meme Finder)，請鍵入

 sudo bash run.sh

• 在文字欄位中輸入查詢，然後按一下Go
• 模因根據相關性排序
• 可以使用Next和Previous按鈕瀏覽選定的迷因

將新的子版塊加入到清單中

 sudo bash add.sh

要求

• CV2（OpenCV）
• pytesseract
• 尼特克
• 太平洋石油公司
• 哈希庫
• 舒蒂爾
• 自動更正
• 皮蒙戈

未來的改進

• 在進度條中新增功能
• 更正畫布上顯示的模因的大小縮放
• 新增刷新儲存模因的功能
• 儲存流行的模因模板並檢查圖像的相似性並關聯特殊關鍵字

文件

MemeFinder 文檔