Изучение искусства по культуре и средней среде с быстрыми, условными, k-ближайшими соседями

  • Статья

Эта статья служит руководством по поиску совпадений через ближайших соседей к. Вы настроили код, который позволяет выполнять запросы, связанные с культурой и средой искусства, которые были созданы из Музея искусств Столицы в Нью-Йорке и Rijksmuseum в Амстердаме.

Необходимые компоненты

  • Подключите записную книжку к lakehouse. В левой части нажмите кнопку "Добавить ", чтобы добавить существующее озеро или создать озеро.

Обзор BallTree

Структура, работающая за моделью KNN, является BallTree, которая представляет собой рекурсивное двоичное дерево, в котором каждый узел (или "шар") содержит секцию точек данных для запроса. Создание BallTree включает назначение точек данных "мячу", центр которого они ближе всего к (с учетом определенной указанной функции), в результате чего структура позволяет двоичному дереву, как обход и дает себе возможность найти к-ближайших соседей на листе BallTree.

Настройка

Импортируйте необходимые библиотеки Python и подготовьте набор данных.

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()

Наш набор данных поставляется из таблицы, содержащей сведения о произведениях искусства из музеев Met и Rijks. Схема выглядит следующим образом:

  • id: уникальный идентификатор для произведений искусства
    • Пример идентификатора метки: 388395
    • Пример идентификатора Rijks: SK-A-2344
  • Название: название арт-фрагмента, как написано в базе данных музея
  • Художник: художник искусства, как написано в базе данных музея
  • Thumbnail_Url. Расположение эскиза JPEG элемента искусства
  • Image_Url Расположение изображения искусства, размещенного на веб-сайте Met/Rijks
  • Культура: категория культуры, под которую попадает произведение искусства
    • Примеры категорий языка и региональных параметров: латиноамериканец, египтян и т. д.
  • Классификация: категория средних, подпадающих произведений искусства
    • Примеры средних категорий: дерево, картины и т. д.
  • Museum_Page: ссылка на произведение искусства на веб-сайте Met/Rijks
  • Norm_Features. Внедрение изображения произведений искусства
  • Музей: указывает, какой музей был создан из
# 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"))

Определение категорий для запроса

Используются две модели KNN: один для языка и региональных параметров и один для среднего.

# 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()

Определение и соответствие моделей УсловногоKNN

Создание моделей УсловногоKNN для столбцов средних и региональных параметров; каждая модель принимает выходной столбец, столбец признаков (вектор признаков), столбец значений (значения ячеек в выходном столбце) и столбец метки (качество, с которым обусловлено соответствующее KNN).

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)
)

Определение методов сопоставления и визуализации

После начальной настройки набора данных и категории подготовьте методы, которые будут запрашивать и визуализировать результаты условного KNN.

addMatches() создает кадр данных с горсткой совпадений для каждой категории.

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() вызовы plot_img визуализации верхних совпадений для каждой категории в сетке.

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())

Сборка

Определите test_all() , чтобы принимать данные, модели CKNN, значения идентификатора искусства для запроса и путь к файлу для сохранения выходной визуализации. Модели средних и региональных параметров были ранее обучены и загружены.

# 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

Демонстрация

Следующая ячейка выполняет пакетные запросы с заданными идентификаторами изображений и именем файла для сохранения визуализации.

# sample query
result_df = test_all(small_df, medium_cknn, culture_cknn, selected_ids, root=".")

Связанный контент