A kultúra és a közepes művészet felfedezése gyors, feltételes, k-legközelebbi szomszédokkal
Ez a cikk útmutatásként szolgál a k-legközelebbi szomszédokon keresztüli egyezés-kereséshez. Olyan kódot állított be, amely lehetővé teszi a kultúrákat és a művészeti médiumokat érintő lekérdezéseket a New York-i Metropolitan Művészeti Múzeumból és az amszterdami Rijksmuseumból.
Előfeltételek
- Csatolja a jegyzetfüzetet egy tóházhoz. A bal oldalon válassza a Hozzáadás lehetőséget egy meglévő tóház hozzáadásához vagy egy tóház létrehozásához.
A BallTree áttekintése
A KNN-modell mögött működő struktúra egy BallTree, amely egy rekurzív bináris fa, amelyben minden csomópont (vagy "labda") tartalmazza a lekérdezendő adatpontok partícióját. A BallTree felépítéséhez adatpontokat kell hozzárendelni ahhoz a "golyóhoz", amelynek középpontjához a legközelebb állnak (egy adott jellemző tekintetében), ami egy olyan struktúrát eredményez, amely lehetővé teszi a bináris faszerű bejárást, és lehetővé teszi, hogy egy BallTree-levélhez legközelebbi szomszédokat találjon.
Beállítás
Importálja a szükséges Python-kódtárakat, és készítse elő az adathalmazt.
from synapse.ml.core.platform import *
if running_on_binder():
from IPython import get_ipython
from pyspark.sql.types import BooleanType
from pyspark.sql.types import *
from pyspark.ml.feature import Normalizer
from pyspark.sql.functions import lit, array, array_contains, udf, col, struct
from synapse.ml.nn import ConditionalKNN, ConditionalKNNModel
from PIL import Image
from io import BytesIO
import requests
import numpy as np
import matplotlib.pyplot as plt
from pyspark.sql import SparkSession
# Bootstrap Spark Session
spark = SparkSession.builder.getOrCreate()
Adatkészletünk egy táblázatból származik, amely a Met és a Rijks múzeumok műalkotásainak adatait tartalmazza. A séma a következő:
- azonosító: Egy műalkotás egyedi azonosítója
- Met-minta azonosítója: 388395
- Minta Rijks-azonosító: SK-A-2344
- Cím: Műtárgy címe, a múzeum adatbázisában leírtak szerint
- Művész: Művészeti darab művész, ahogy a múzeum adatbázisában írják
- Thumbnail_Url: A műalkotás JPEG miniatűrjének helye
- Image_Url Met/Rijks webhelyén található műalkotás képének helye
- Kultúra: A kultúra kategóriája, amely alá a műalkotás tartozik
- Mintakultúrakategóriák: latin-amerikai, egyiptomi stb.
- Besorolás: Az a közepes kategória, amely alá a műalkotás tartozik
- Közepes kategóriák mintája: famunkák, festmények stb.
- Museum_Page: Hivatkozás a Met/Rijks webhelyen található műalkotásra
- Norm_Features: A műalkotás képének beágyazása
- Múzeum: Meghatározza, hogy a darab melyik múzeumból származik
# loads the dataset and the two trained CKNN models for querying by medium and culture
df = spark.read.parquet(
"wasbs://publicwasb@mmlspark.blob.core.windows.net/met_and_rijks.parquet"
)
display(df.drop("Norm_Features"))
Lekérdezendő kategóriák meghatározása
Két KNN-modellt használunk: egyet a kultúrához, egyet a közepeshez.
# mediums = ['prints', 'drawings', 'ceramics', 'textiles', 'paintings', "musical instruments","glass", 'accessories', 'photographs', "metalwork",
# "sculptures", "weapons", "stone", "precious", "paper", "woodwork", "leatherwork", "uncategorized"]
mediums = ["paintings", "glass", "ceramics"]
# cultures = ['african (general)', 'american', 'ancient american', 'ancient asian', 'ancient european', 'ancient middle-eastern', 'asian (general)',
# 'austrian', 'belgian', 'british', 'chinese', 'czech', 'dutch', 'egyptian']#, 'european (general)', 'french', 'german', 'greek',
# 'iranian', 'italian', 'japanese', 'latin american', 'middle eastern', 'roman', 'russian', 'south asian', 'southeast asian',
# 'spanish', 'swiss', 'various']
cultures = ["japanese", "american", "african (general)"]
# Uncomment the above for more robust and large scale searches!
classes = cultures + mediums
medium_set = set(mediums)
culture_set = set(cultures)
selected_ids = {"AK-RBK-17525-2", "AK-MAK-1204", "AK-RAK-2015-2-9"}
small_df = df.where(
udf(
lambda medium, culture, id_val: (medium in medium_set)
or (culture in culture_set)
or (id_val in selected_ids),
BooleanType(),
)("Classification", "Culture", "id")
)
small_df.count()
FeltételesKNN-modellek definiálása és igazítása
FeltételesKNN-modellek létrehozása mind a közepes, mind a kulturális oszlopokhoz; minden modell egy kimeneti oszlopot, jellemzők oszlopát (funkcióvektorát), értékoszlopot (a kimeneti oszlop alatti cellaértékeket) és a címkeoszlopot (az adott KNN által kondicionált minőséget) veszi fel.
medium_cknn = (
ConditionalKNN()
.setOutputCol("Matches")
.setFeaturesCol("Norm_Features")
.setValuesCol("Thumbnail_Url")
.setLabelCol("Classification")
.fit(small_df)
)
culture_cknn = (
ConditionalKNN()
.setOutputCol("Matches")
.setFeaturesCol("Norm_Features")
.setValuesCol("Thumbnail_Url")
.setLabelCol("Culture")
.fit(small_df)
)
Egyeztetési és vizualizációs módszerek definiálása
A kezdeti adatkészlet és kategóriabeállítás után készítse elő a feltételes KNN eredményeit lekérdező és vizualizáló metódusokat.
addMatches()
egy adatkeretet hoz létre kategóriánként egy maroknyi egyezéssel.
def add_matches(classes, cknn, df):
results = df
for label in classes:
results = cknn.transform(
results.withColumn("conditioner", array(lit(label)))
).withColumnRenamed("Matches", "Matches_{}".format(label))
return results
plot_urls()
az egyes kategóriák legfontosabb egyezéseinek megjelenítésére szolgáló hívások plot_img
rácson.
def plot_img(axis, url, title):
try:
response = requests.get(url)
img = Image.open(BytesIO(response.content)).convert("RGB")
axis.imshow(img, aspect="equal")
except:
pass
if title is not None:
axis.set_title(title, fontsize=4)
axis.axis("off")
def plot_urls(url_arr, titles, filename):
nx, ny = url_arr.shape
plt.figure(figsize=(nx * 5, ny * 5), dpi=1600)
fig, axes = plt.subplots(ny, nx)
# reshape required in the case of 1 image query
if len(axes.shape) == 1:
axes = axes.reshape(1, -1)
for i in range(nx):
for j in range(ny):
if j == 0:
plot_img(axes[j, i], url_arr[i, j], titles[i])
else:
plot_img(axes[j, i], url_arr[i, j], None)
plt.savefig(filename, dpi=1600) # saves the results as a PNG
display(plt.show())
Végső összeállítás
Definiálja test_all()
az adatok, A CKNN-modellek, a lekérdezendő művészetazonosító-értékek és a kimeneti vizualizáció mentésének fájlútvonalát. A közepes és kulturális modelleket korábban betanítottuk és betöltötték.
# main method to test a particular dataset with two CKNN models and a set of art IDs, saving the result to filename.png
def test_all(data, cknn_medium, cknn_culture, test_ids, root):
is_nice_obj = udf(lambda obj: obj in test_ids, BooleanType())
test_df = data.where(is_nice_obj("id"))
results_df_medium = add_matches(mediums, cknn_medium, test_df)
results_df_culture = add_matches(cultures, cknn_culture, results_df_medium)
results = results_df_culture.collect()
original_urls = [row["Thumbnail_Url"] for row in results]
culture_urls = [
[row["Matches_{}".format(label)][0]["value"] for row in results]
for label in cultures
]
culture_url_arr = np.array([original_urls] + culture_urls)[:, :]
plot_urls(culture_url_arr, ["Original"] + cultures, root + "matches_by_culture.png")
medium_urls = [
[row["Matches_{}".format(label)][0]["value"] for row in results]
for label in mediums
]
medium_url_arr = np.array([original_urls] + medium_urls)[:, :]
plot_urls(medium_url_arr, ["Original"] + mediums, root + "matches_by_medium.png")
return results_df_culture
Bemutató
Az alábbi cella kötegelt lekérdezéseket hajt végre a kívánt képazonosítók és fájlnév alapján a vizualizáció mentéséhez.
# sample query
result_df = test_all(small_df, medium_cknn, culture_cknn, selected_ids, root=".")
Kapcsolódó tartalom
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: