企业官网建设流程全解析

• 计算机视觉
• 深度学习

本篇文章基于 scenarios/similarity/FAQ.md 展开，聚焦两个开发者最常问的问题：图像相似度（Image Similarity）能解决哪些问题，以及什么时候该用图像相似度而不是其他方法。文中将结合仓库中图像相似度模块的源码与 Notebook 实现，给出可落地的工程判断准则，帮助读者在搭建图像检索（Image Retrieval）系统时正确选型，并理解小目标场景下与目标检测的配合方式。

图像相似度能解决什么问题：图像检索系统的核心

原 FAQ 明确指出，图像相似度最典型的应用是构建图像检索系统（Image Retrieval）：给定一张query（查询）图像，系统需要在reference（参考）集合中找到所有与之相似的图像。

仓库 scenarios/similarity/README.md 给出了一个直观示例：查询图像位于左侧，右侧是按相似度排序后的最相似图像列表：

该类系统的典型落地场景包括：

• 电商网站的商品推荐：用户上传或点击一张商品图（如 T 恤、冰箱内物品），系统推荐外观相似的商品；
• 企业级图像数据集聚类：将海量图像按内容与外观分组归档，便于检索与管理；
• 以图搜图、相似图片去重、内容库管理等需要"按图找图"的业务。

从技术原理看（见 utils_cv/similarity/model.py），图像相似度系统的核心不是直接比较像素，而是：

1. 用深度神经网络（DNN）将每张图像编码为一个稠密向量（embedding / feature，例如 512 维浮点向量）；
2. 将特征向量归一化为单位长度（L2 范数为 1）；
3. 用余弦距离或 L2 距离度量两幅图像特征向量之间的差异。

该思路在 01_training_and_evaluation_introduction.ipynb 中有完整演示：对 ImageNet 预训练的 ResNet-18 做微调，取其倒数第二层输出（如learn.model[1][-2]对应的 BatchNorm1d 层）作为图像表示，再通过 utils_cv/similarity/metrics.py 中的vector_distance函数计算 L2 距离。

何时应该使用图像相似度：20% 阈值规则

原 FAQ 给出了一个非常具体、可操作的判断标准：

图像相似度适用于目标对象在图像中相对较大的场景，例如目标约占图像宽/高的 20% 以上；如果目标更小，则应先用目标检测方法定位并裁剪出感兴趣区域（ROI），再交给图像相似度模型处理。

这一"20%"经验法则与仓库中分类模块的 FAQ 完全一致（见 scenarios/classification/FAQ.md），说明它是本仓库在图像类任务选型上的统一准则。其背后的工程直觉是：

• 图像相似度模型学到的特征表征的是整张图像的内容与外观。当目标占比较大时，特征向量能充分捕捉目标本身的语义，相似度度量才可靠；
• 当目标只占图像很小比例时，特征向量会被背景"稀释"，导致两张内容迥异但背景相似的图片被误判为相似，检索精度显著下降。

因此在选型时，可以先评估目标在典型输入图像中的占比：占比超过约 20% 时优先考虑图像相似度 / 图像分类类方案；占比过小或需要目标位置信息时，转向目标检测。

小目标场景：先检测、后检索的流水线策略

当对象小于 20% 宽高比时，FAQ 给出的建议是在预处理阶段引入目标检测：定位并裁剪（crop）出感兴趣区域，再对裁剪后的图像做相似度建模。

这对应一个经典的级联架构：

1. 检测阶段：使用目标检测模型（如 Mask R-CNN，参见 scenarios/detection/README.md 及其 Notebook）在原始图像中定位目标包围框；
2. 裁剪阶段：按包围框将目标区域裁剪出来，得到"以目标为主体"的局部图像；
3. 相似度阶段：对裁剪结果执行 DNN 特征提取与距离度量（复用 utils_cv/similarity/model.py 的compute_feature/compute_features流程）。

这样既规避了背景干扰，又保留了图像相似度在"以图搜图"上的灵活性。需要注意的是，该流水线会引入检测模型的开销与误差（漏检、错位框），实际工程中应根据业务对精度与延迟的要求权衡。

仓库中的实现支撑：从特征提取到距离度量

FAQ 中"目标较大时才能用图像相似度"的判断，最终要落实到可运行的代码。仓库 utils_cv/similarity 模块提供了完整的实现链：

• model.py：核心特征提取器
  • SaveFeatures：通过 PyTorch forward hook 截取模型中间层的输出，作为图像 embedding；
  • compute_feature：为单张图像计算 DNN 特征（接受图像对象或路径）；
  • compute_features/compute_features_learner：批量计算特征，后者支持 mini-batching，并注意了DatasetType.Train下 FastAI 可能丢弃最后一个不完整 batch 的细节（源码注释中建议训练集改用DatasetType.Fix）。
• metrics.py：相似度度量与评估
  • vector_distance：支持 L2、L1、cosine、correlation、hamming 等多种距离/相似度方法，默认l2_normalize=True先将向量归一化再计算距离；
  • compute_distances：计算查询图像与参考库中所有图像的距离；
  • recall_at_k：统计"正样本排名 ≤ k"的比例，是检索系统最常用的指标之一。
• data.py：ComparativeSet与comparative_set_builder构造"1 张查询图 + 1 张正样本 + 多张负样本"的对比集，用于在无显式标注的场景下评估检索排序质量。
• references/evaluate.py与references/re_ranking.py：实现基于查询集的评估（输出 Rank@1、Rank@5、mAP）以及 k-reciprocal 重排序后处理。

其中，距离度量的默认策略在 01_training_and_evaluation_introduction.ipynb 中有明确说明：默认使用 L2 距离并先将特征归一化为单位长度，公式为 $\sqrt{\sum_{i=1}^{n}{(F_q[i] - F_r[i])^2}}$（$n=512$ 为特征维度），实践中效果良好；L1、余弦相似度等亦可作为备选。

如何评估一个图像检索系统是否"好用"

FAQ 回答的是"能不能用"，而判断"用得好不好"需要量化指标。仓库提供的评估实现（references/evaluate.py）覆盖了检索领域的标准指标：

• Rank@k（Recall@k）：正样本出现在检索结果前 k 名中的比例，Rank@1 即"第一张返回的就是正确目标"的比例；
• mAP（mean Average Precision）：综合排序质量的平均精度；
• 评估中会按 group 区分图像，确保查询图像不会与自身比较（源码注释还提到，对 Market-1501 这类数据集可通过 group id 排除同摄像机来源的图像）。

同时，12_fast_retrieval.ipynb 讨论了使用最近邻搜索加速大规模检索的工程手段，适合参考库规模较大的生产场景。

更进一步：提升检索精度的可选手段

如果单靠分类式特征训练的模型精度不够，仓库还提供了两条提升路径（详见 scenarios/similarity/README.md）：

1. 更先进的训练范式：默认方案用图像分类损失微调 DNN（简单且有效）；如需更高精度，02_state_of_the_art.ipynb 实现了 BMVC 2019 论文Classification is a Strong Baseline for Deep Metric Learning（基于分类损失即可达到与 Triplet Learning 相当或更优的效果，同时更易训练收敛）。该 README 中同时列出了多个公开基准（CARS196、CUB200-2011、SOP）上报告的 Recall@1 数据，可作为论文复现时的参考基线。
2. 重排序（Re-ranking）后处理：实现自 CVPR 2017 论文Re-ranking Person Re-identification with k-reciprocal Encoding（见 references/re_ranking.py）。该后处理完全自动、无监督，典型参数为k1=20、k2=6、lambda_value=0.3（evaluate函数默认值），可在不改变模型的前提下进一步提升检索精度。

动手实践：仓库提供的完整学习路径

FAQ 判断准则落地后，建议按以下顺序运行 scenarios/similarity 目录下的 Notebook 完整走一遍流程：

小结：一条清晰的选型决策线

将 FAQ 的两条结论与仓库实现结合，可以得到如下的选型决策路径：

1. 评估目标在图像中的占比。目标约占图像宽/高 20% 以上，直接采用图像相似度（分类式 DNN 特征 + L2/余弦距离），按 01_training_and_evaluation_introduction.ipynb 的流程训练与评估；
2. 目标过小或背景干扰严重，先用目标检测定位并裁剪 ROI（参见 scenarios/detection），再进入图像相似度流程；
3. 精度不足时，按序尝试 SOTA 训练范式（02_state_of_the_art.ipynb）与重排序后处理（references/re_ranking.py）；
4. 参考库规模大时，结合 12_fast_retrieval.ipynb 的最近邻检索方案做工程化提速。

这样，FAQ 中看似简短的两句话，就能落地为一套从"能不能用"到"怎么用好"的完整工程方案。

• 计算机视觉
• 深度学习