AnimeBack

AnimeBack

Suchen Sie die Bilder. Dies ist ein Suchmaschinenserver für Animationsszenen. Sie können umgekehrt durch Screenshots eines bestimmten Moments des Anime und umgekehrt, aus welcher Episode er stammt und die genaue Zeit, die er erschien. Frontend der Website

Im Vergleich zu Trace.moe kann dieses Projekt möglicherweise robustere und genauere Suchdienste anbieten, da es Deep Learning -Modelle verwendet, um Bildfunktionen zu extrahieren. Daher ist der Leistungsaufwand größer und die Aufnahme langsamer. Immer noch in der Testphase

Beispiel

Testbilder

Suchergebnisse

einsetzen

Umweltanforderungen

python3 muss installiert werden ffmpeg

Abhängigkeiten installieren:

pip install bilibili_api imagehash tensorflow keras flask pymilvus opencv-python sklearn bilili
# Linux
pip install plyvel
# Windows
pip install plyvel-win32

laufen

• Initialisieren Sie die Konfigurationsdatei

python run.py

• Milvus installieren und starten
• Configure config.json
• Führen Sie das Download -Programm (Bilibili) aus

python run.py download-bilibili

• Ausführen von Video -Verarbeitungs-/Eintragsprogrammen ausführen

 # 将会处理已下载的视频
python run.py process

• Führen Sie das Backend der Website aus

python app.py

Diese Methode dient nur zum Testen. Weitere Informationen zur Produktionsumgebung finden Sie in der Flask -Bereitstellungsmethode

Das folgende Beispiel verwendet gunicorn , 4 Arbeiterprozess ( -w 4 ), um die Flask -Anwendung auszuführen und an den 4000 -Port von localhost ( -b 127.0.0.1:4000 ) zu binden:

gunicorn -w 4 -b 127.0.0.1:4000 app:flask_app

Technologie -Implementierung

• Laden Sie über die Bilibili (oder andere Website) API das Drama automatisch herunter und speichern Sie zunächst die Drama -Informationen.

• Verwenden Sie FFMPEG, um das Video zu komprimieren und in MP4 umzuwandeln und in das statische Verzeichnis der Website zu setzen

• Verwenden Sie FFMPEG, um das Video mit einer bestimmten Abtastrate in ein Bild zu konvertieren und in ein temporäres Verzeichnis zu setzen

• Lesen Sie den Bilderrahmen nach Rahmen, filtern Sie benachbarte ähnliche Bilder durch den phash -Algorithmus und extrahieren Sie die Merkmalsvektoren mit dem Modell und setzen Sie sie in milvus ein. Die entsprechenden Informationen jedes hinzugefügten Frame werden in der leveldb -Datenbank wie id , time und epid

• Beim Suchen wird der Bildfunktionsvektor ebenfalls extrahiert, mit milvus gesucht, id ähnlicher Frames zurückgegeben und dann andere Informationen über die Datenbank abfragen.

Aufgabe

• Unterstützen Sie Xception Pre-ausgebildete Modell- und PCA Dimensionalitätsreduzierung
• Training mehr geeignete Modelle
• OP/ED -Optimierung implementieren
• Automatisch von Sakura Anime herunterladen
• Such -API öffnen

Danke

• Einige der Prozesse werden mit Bildern durchsucht. Einige Ideen kommen aus Tuxiaobei
• Das vom B Station heruntergeladene Teil verwendet Bilili
• Die Implementierung des automatischen Zuschneidens schwarzer Bilder von Bildern stammt von crop.py of Trace.moe
• Milvus -Index und Suchvektoren werden verwendet
• Verschiedene Deep -Learning -Modelle wurden verwendet, um Bildmerkmale zu extrahieren