image search system with client model

RifeWang · Jul 4, 2024 · dd91f86 · dd91f86
1 parent 5b61c23
commit dd91f86
Showing 1 changed file with 155 additions and 0 deletions.
diff --git a/content/posts/engineering/image-search-use-client-model.md b/content/posts/engineering/image-search-use-client-model.md
@@ -0,0 +1,155 @@
++++
+draft = false
+date = 2024-07-04T14:44:38+08:00
+title = "以图搜图架构优化：使用客户端模型提取图像特征"
+description = "以图搜图架构优化：使用客户端模型提取图像特征"
+slug = ""
+authors = []
+tags = ["Engineering"]
+categories = ["Engineering"]
+externalLink = ""
+series = []
+disableComments = true
++++
+
+## 序言
+
+以图搜图系统指的是从图像内容提取特征向量，然后使用向量数据库进行向量数据的插入、删除、相似性检索等操作，进而提供根据图像内容搜索出具有相似内容的其它图像的功能。
+
+## 系统架构
+
+典型的搜图系统整体架构时序图如下：
+
+![](https://raw.githubusercontent.com/RifeWang/images/master/engineering/image-search-system-arch.png)
+
+图像上传过程：
+1. 客户端上传图像到服务端。
+1. 服务端存储图像至对象存储、插入结构化数据至关系型数据库、发送消息至 MQ 消息队列。
+1. 服务端对客户端请求返回响应。
+1. 图像搜索服务接受 MQ 的消息，下载图像内容，使用特定模型提取图像特征向量，然后将特征向量插入到向量数据库。
+
+这里使用 MQ 的主要原因有：
+- 异步快速响应，因为提取图像特征比较耗时，如果是同步的过程则会对客户端体验不友好。
+- 解耦服务、服务异构，提取图像特征属于计算机视觉领域，编程语言生态基本是 Python ，而后端服务则常见于 Java、Golang、Node.js 等，这在架构上就要求服务异构和解耦。
+- 削峰填谷，由于用户上传图像具有波峰波谷的天然特性，使用 MQ 可以使下游图像计算保持平稳。
+
+图像搜索过程：
+1. 客户端上传图像到服务端。
+1. 服务端发起调用并将图像传递到图像搜索服务，图像搜索服务提取图像特征向量，然后查询向量数据库进行相似性搜索，最后返回向量搜索结果。
+1. 服务端根据向量搜索结果查询结构化数据，整合数据，最后响应。
+
+我们可以看到以上系统中，比较耗时的有两部分：
+1. 图像传递链路长：客户端 -> 服务端 -> 对象存储 -> 图像搜索服务。
+1. 图像特征计算比较耗时、且比较消耗服务器资源。
+
+## 使用客户端模型优化架构
+
+为了进一步优化系统架构，我们可以尝试使用客户端模型进行图像特征提取。
+
+![](https://raw.githubusercontent.com/RifeWang/images/master/engineering/image-search-system-arch-client-model.png)
+
+图像上传过程：
+1. 客户端向服务端请求对象存储的直传地址，然后客户端直接将图像内容传递到对象存储（需要对象存储支持直传操作）。
+1. 客户端进行本地计算，提取图像特征向量，然后传递特征向量和结构化数据给服务端。
+1. 服务端对结构化数据和向量数据分别插入到不同的数据库，完成响应。
+
+图像搜索过程：
+1. 客户端进行本地计算，提取图像特征向量，然后传递特征向量和结构化数据给服务端。
+1. 服务端分别进行向量检索和结构化数据查询，整合数据，完成响应。
+
+优化后的架构：
+- 图像传递链路短，只有客户端 -> 对象存储。
+- 图像特征计算卸载到了客户端完成，服务器不需要再消耗计算资源。
+- 减少了 MQ 和图像搜索服务这两个构件，架构更加简单、复杂度降低。
+
+## 客户端模型的可行性和约束
+
+客户端相比于服务端具有硬件资源有限、且不可扩展的特点，因此这就要求客户端使用的模型要更小、计算消耗更少。
+
+![](https://raw.githubusercontent.com/RifeWang/images/master/engineering/keras-models.jpg)
+
+我们根据上图中的模型对比可以看到 mobilenet 这种模型更符合我们的需求（模型的名字就能看出来）。
+
+### 示例
+
+以下给出一个前端使用 mobilenet 完成图像特征提取的示例：
+
+```html
+<!DOCTYPE html>
+<html lang="en">
+<head>
+    <meta charset="UTF-8">
+    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
+    <script src="https://cdn.jsdelivr.net/npm/@tensorflow-models/mobilenet"></script>
+</head>
+<body>
+    <input type="file" id="imageInput">
+    <button onclick="extractFeatures()">Extract Features</button>
+    <pre id="result"></pre>
+
+    <script>
+        let model;
+
+        async function loadModel() {
+            if (!model) {
+                // 加载模型时 mobilenet 会去 storage.googleapis.com 下载
+                model = await mobilenet.load({version: 2, alpha: 1.0});
+            }
+            return model;
+        }
+
+        function preprocessImage(image) {
+            const tensor = tf.browser.fromPixels(image)
+                .resizeNearestNeighbor([224, 224])
+                .toFloat()
+                .expandDims();
+            return tensor.div(255.0);
+        }
+
+        async function extractFeatures() {
+            const input = document.getElementById('imageInput');
+            if (input.files.length === 0) {
+                alert('Please select an image file first.');
+                return;
+            }
+
+            const model = await loadModel();
+
+            const timeStart = Date.now();
+
+            const file = input.files[0];
+            const reader = new FileReader();
+            reader.onload = async function (e) {
+                const image = new Image();
+                image.src = e.target.result;
+                image.onload = async function () {
+                    const processedImage = preprocessImage(image);
+                    const features = model.infer(processedImage, false); // 去掉最后的全连接层
+                    const featuresArray = await features.array();
+                    document.getElementById('result').textContent = JSON.stringify(featuresArray, null, 2);
+
+                    console.log(`Extract feature spend: ${Date.now() - timeStart} ms`);;
+                }
+            }
+            reader.readAsDataURL(file);
+        }
+    </script>
+</body>
+</html>
+```
+
+然后在我的笔记本电脑简单测试的结果：
+
+![](https://raw.githubusercontent.com/RifeWang/images/master/engineering/mobilenet-test.png)
+
+从上图可以看到，在我的客户端处理一张图像可以在一秒内完成，当然实际耗时取决于硬件资源和图像大小。
+
+最后，如果你对此类主题感兴趣，可以阅读我的[其它相关文章](https://lingxu.pages.dev/categories/engineering/)。
+
+---
+
+参考资料：
+
+- *https://keras.io/api/applications/*
+- *https://www.tensorflow.org/js/models*
+- *https://github.com/tensorflow/tfjs-models/tree/master/mobilenet*