记录一下主要的思路。
对于每一张图片,都需要保存以下的Key,然后视不同条件来集合、聚类。
- MD5(img_file): 这保证了只要是一样的图片文件,就会有同样的Key(产生冲突的可能性是1/10^12)。同一张图片的不同文件格式(如JPG的EXIF)有不同的key。
- MD5(img_PNG_IDAT): 这保证了只要是一样的图片内容,就会有同样的Key。
- OpenCV_PHash(img_PNG_IDAT): 这保证了图片内容极近似的情况下,会有同样的Key。
- visual_embedding(img_PNG_IDAT): 这产生了一个表征图片内容的向量。常见的产生方法是VGG16/FC6。这常用于近似图片的分类。