埃内斯托·科托和安德鲁·齐瑟曼

概述

VGG Face Finder（VFF）引擎是在“视觉几何图形”组并根据BSD-2条款发布。VFF是一个web应用程序，用作web引擎，在用户定义的图像数据集上执行人脸搜索。它基于VGG创建的原始应用程序，用于对来自英国广播公司新闻网.

特征

  • 通过输入文本或图像执行查询
  • 自动从谷歌下载训练图像
  • 执行结果的自动培训、分类和排序
  • 自动缓存查询结果
  • 提供用户管理界面
  • 允许进一步优化查询
  • 使用户能够使用自己的培训图像创建精心策划的查询
  • 使用户能够基于其图像的元数据创建查询
  • 能够接收数据，即用户可以搜索自己的数据集并定义自己的元数据
  • 可以使用GPU支持执行
  • 2018年10月: VFF 1.1版现在使用更精确的CNN进行人脸特征提取
  • 2019年3月: VFF 1.1版现在可以从支持国际图像互操作性框架（IIIF）
  • 2019年8月:发布了有关面搜索后端API的文档
  • 2020年5月:新的VFF 1.2版已移至Python3和PyTorch

组件

VFF实际上是两个组件的结合：

  • web前端：使用Django开发，源代码可在vgg_前端Git存储库。提供的版本以DEBUG模式运行。如果您希望将其部署到生产环境，请参阅Django的文档。web前端还包括图像下载服务，对应于imsearch-tools工具。中提供的版本vgg_frontend（_F）存储库仅包括谷歌网页图像搜索引擎。

  • 人脸搜索后端：VFF使用位于vgg空间搜索Git存储库。访问存储库以获取有关所用面部检测器和CNN模型的详细信息。
    • API文档：您可以创建自己的应用程序（例如，您自己的web前端），以便与face-search后端进行交互。API记录如下维基你可以使用测试脚本作为交互的一个例子。

屏幕截图


主页

入门之旅

元数据中的关键字列表

与“Natalie Dormer”关键字相关的图像

使用与“Natalie Dormer”关键字关联的第二幅图像的查询结果

结果的详细信息

入门

A类可以在此处快速浏览系统。单击VFF主页上的“入门”链接也可以访问此教程。

此外，中还有更高级的使用说明VFF Docker部署页面，例如：“如何搜索自己的图像数据集”、“如何使用自己的训练图像”和“如何使用您自己的元数据进行搜索”。

有关每个VFF组件的编译、配置和执行的更多详细信息，请参阅上述源代码库中的README文件。

Docker版本

通过Docker技术，Linux、Mac和Windows可以进行非常快速简单的部署。请阅读与要在其中执行部署的平台对应的页面。

下载

为了使VFF能够正常工作，它需要对要查询的图像集进行预处理。下面我们提供了与样本图像数据集和从中提取的预处理数据相对应的文件。您可以使用这些文件立即开始使用VFF。您是否希望使用您自己的图像数据集，请阅读“如何使用您自己的图像”中的节VFF Docker部署页。

  • vff_data_vggface_v1.2.tar：此文件包含VGG-Face数据集（100个图像），以及示例元数据文件。它还包含人脸搜索后端的预处理数据文件，这些数据文件是根据示例VGG-face图像计算得出的。提供了“Natalie Dormer”的一个缓存查询以及一组文件，以便能够对“Anna Gunn”执行有针对性的查询。请查看自述文件以获取示例图像中存在的完整身份列表。A类.zip文件可以找到文件的版本在这里.

    免责声明：请注意，VGG不拥有VGG-Face图像的版权。请参阅VGG-Face许可证.

联系人

的软件错误报告和功能请求vgg_前端应该是在此处提交（需要位于的帐户gitlab.com网站).

面向面搜索后端的软件错误报告和功能请求(vgg空间搜索)应该是在此处提交（需要位于的帐户gitlab.com网站).

如有其他疑问，请联系埃内斯托·科托

引用

如果您使用此软件，请引用如下所示的此页面，并确认Seebibyte拨款如下：“VGG人脸查找器（VFF）的开发和维护得到了EPSRC项目拨款Seebibyte:大数据时代的可视化搜索（EP/M013774/1）的支持”。

@杂项{coto2018vff，author=“Coto，E.和Zisserman，A.”，title=“{VGG}人脸查找器（{VFF}）”，year=“2018”，howpublished=“http://www.robots.ox.ac.uk/~vgg/software/vff/“，注意=“版本：X.Y.Z，访问时间：INSERT_DATE_HERE”}

致谢

这项工作得到了EPSRC项目拨款Seebibyte的支持：大数据时代的可视化搜索(步骤/M013774/1).

EPSRC标志 Seebibyte徽标