中国网站制作公司,页面精美的网站,WordPress底部添加版权注明,小程序是怎么赚钱的目前b题已全部更新包含详细的代码模型和文章#xff0c;本文也给出了结果展示和使用模型说明。
同时文章最下方包含详细的视频教学获取方式#xff0c;手把手保姆级#xff0c;模型高精度#xff0c;结果有保障#xff01;
分析#xff1a; 本题待解决问题
目标#…目前b题已全部更新包含详细的代码模型和文章本文也给出了结果展示和使用模型说明。
同时文章最下方包含详细的视频教学获取方式手把手保姆级模型高精度结果有保障
分析 本题待解决问题
目标利用提供的数据集通过特征提取和多模态特征融合模型建立实现图像与文本间的互检索。
具体任务
基于图像检索的文本利用提供的文本信息对图像进行检索输出相似度较高的前五张图像。
基于文本检索的图像利用提供的图像ID对文本进行检索输出相似度较高的前五条文本。
数据集和任务要求
附件1包含五万张图像和对应的文本信息。
附件2和附件3分别提供了任务1和任务2的数据信息包括测试集文本、图像ID和图像数据库。
附件4提供了任务结果的模板文件。
评价标准
使用**召回率Recall at KRK**作为评价指标即查询结果中真实结果排序在前K的比率本赛题设定K5即评价标准为R5。
步骤一构建图文检索模型
采用图文检索领域已经封装好的模型多模态图文互检模型
基于本题附件一所给的数据进行调优
可以给大家展示以下我们模型的效果和那种一两天做出来的效果完全不一样我们的模型效果和两个任务的预测情况完整是准确且符合逻辑的。 任务一结果展示 任务二结果展示 步骤二基于图像检索文本
1.数据预处理和特征提取
文本数据预处理
清洗文本去除文本中的停用词、标点符号等无关信息。
文本向量化利用NLP技术如Word2Vec, GloVe, BERT等将文本转换为数值向量以便进行计算和比较。 import jieba
import pandas as pd
from collections import Counter
#读取CSV文件
image_word_data pd.read_csv(附件1/ImageWordData.csv)
#加载自定义的停用词表如果有的话或使用jieba内置的停用词表
#例如: stop_words set(open(path_to_stop_words.txt).read().strip().split(\n))
stop_words set() # 假设暂时没有自定义的停用词表
#文本预处理函数
def preprocess_text(captions):
preprocessed_captions []
for caption in captions:
# 使用jieba进行分词
tokens jieba.lcut(caption)
# 去除停用词
tokens [token for token in tokens if token not in stop_words and len(token) 1]
# 将处理过的词加入结果列表
preprocessed_captions.append( .join(tokens))
return preprocessed_captions
#对caption列进行预处理
preprocessed_captions preprocess_text(image_word_data[caption])
#查看处理过的一些示例文本
for i in range(5):
print(preprocessed_captions[i])
#可选统计词频
word_counts Counter( .join(preprocessed_captions).split())
print(word_counts.most_common(10))
图像数据预处理
图像标准化将所有图像调整到相同的大小和色彩空间。
特征提取使用深度学习模型如CNN, ResNet, VGG等从图像中提取特征向量。 image_word_data pd.read_csv(附件1/ImageWordData.csv)
#图像预处理函数
def preprocess_images(image_folder, image_ids, target_size(224, 224)):
processed_images {}
for image_id in image_ids:
image_path os.path.join(image_folder, image_id)
try:
# 打开图像文件
with Image.open(image_path) as img:
# 调整图像尺寸
img img.resize(target_size)
# 将图像转换为数组
img_array np.array(img)# 对图像数组进行归一化
img_array img_array / 255.0
processed_images[image_id] img_array
except IOError as e:
print(f无法打开或找到图像 {image_path}。错误信息: {e})
processed_images[image_id] None
return processed_images
#假设图像位于附件1/ImageData文件夹中
image_folder_path 附件1/ImageData
processed_images preprocess_images(image_folder_path, image_word_data[image_id])
#检查处理过的图像数量和某个示例图像数组的形状
print(f处理过的图像数量: {len(processed_images)})
if processed_images:
example_image list(processed_images.values())[0]
if example_image is not None:
print(f示例图像数组形状: {example_image.shape})
2.多模态特征融合
由于文本和图像特征位于不同的特征空间我们需要采取方法将它们映射到同一个空间以便进行相似度比较。这可以通过以下方法之一实现
联合嵌入空间通过训练一个深度学习模型来同时学习文本和图像的嵌入使得相似的图像和文本对靠近。
交叉模态匹配网络设计一个网络它可以接受一种模态的输入并预测另一种模态的特征表示。
文本特征提取
from sklearn.feature_extraction.text import TfidfVectorizer
#初始化TF-IDF向量化器
vectorizer TfidfVectorizer(max_features1000) # 使用最多1000个词语的词汇量
#将文本数据转换为TF-IDF特征矩阵
tfidf_matrix vectorizer.fit_transform(preprocessed_captions)
#查看TF-IDF特征矩阵的形状
print(tfidf_matrix.shape)图像特征提取
import torch
from torchvision import models, transforms
from PIL import Image
import os
#图像预处理函数
def preprocess_image(img_path):
# 读取图像转换为RGB如果是灰度图像
img Image.open(img_path).convert(RGB)
# 转换图像
img_t preprocess(img)
batch_t torch.unsqueeze(img_t, 0)
return batch_t
#定义预处理流程确保模型接收三通道的图像
preprocess transforms.Compose([
transforms.Resize(256),
transforms.CenterCrop(224),
transforms.ToTensor(),
transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]),
])
#你可以在这里选择较小的模型来减少内存使用
#比如使用 ResNet18
model models.resnet18(pretrainedTrue)
model.eval() # 设置为评估模式
#修改图像特征提取部分使用上面定义的preprocess_image函数
def extract_image_features(image_folder, image_ids):
image_features {}
for image_id in image_ids:
image_path os.path.join(image_folder, image_id)
try:
batch_t preprocess_image(image_path)
#batch_t batch_t.to(device)
with torch.no_grad():
features model(batch_t)
image_features[image_id] features.cpu().numpy().flatten()
except Exception as e:
print(f无法处理图像 {image_path}: {e})
image_features[image_id] None
return image_features
#假设图像位于附件1/ImageData文件夹中
image_folder_path 附件1/ImageData
#调用函数提取特征
image_features extract_image_features(image_folder_path, image_word_data[image_id])特征融合
#转换图像特征字典为矩阵
image_features_matrix np.array([features for features in image_features.values() if features is not None])
#特征融合
#这里我们简单地将归一化的图像特征和TF-IDF特征进行连接
#确保TF-IDF特征矩阵是稠密的
tfidf_features_dense tfidf_matrix.todense()
multimodal_features np.concatenate((image_features_matrix, tfidf_features_dense), axis1)
#现在 multimodal_features 矩阵包含了每个样本的融合特征
3.图文检索
根据训练好的模型进行图文检索匹配
检索和排序根据计算出的相似度对数据库中的图像进行排序选出相似度最高的前五张图像。
结果展示 步骤三基于文本检索图像
与步骤三类似这里直接展示结果。 下面内容打开内含详细的视频教学手把手保姆级模型高精度结果有保障
【腾讯文档】2024泰迪杯数据挖掘助攻合集docs.qq.com/doc/DVVlhb2xmbUFEQUJL
