基于特征点匹配的大规模相似图片搜索
这是一个基于特征点匹配的大规模相似图片搜索工具，开发目的在于实现用「一小块截图」实现搜索完整图片的功能。
docker run -it -v ./imsearch:/root/.config/imsearch aloxaf/imsearch:latest --helpcargo install --git https://github.com/lolishinshi/imsearch --locked依赖（以 Ubuntu 24.04 为例，不建议使用更老的版本）：
apt install cmake clang libopencv-dev libopenblas-dev使用 imsearch add DIR 添加指定目录下的所有图片。
默认只扫描 jpg 和 png，可以使用 -s jpg,png,webp 增加其他格式。
参考 Guidelines-to-choose-an-index，给出推荐如下。
| 图片数量 | 索引描述 |
|---|---|
| 注意：以上选择基于每张图片提取 500 个特征点这一默认参数，下同 |
BIVF 索引需要一定量的数据训练聚类器，推荐数据量为 K 的 30 ~ 256 倍。 即对于 K = 65536，需要 65536 * 50 / 500 =~ 6.5k 张图片。
训练集需要有代表性，如果和实际数据集相差过大会导致索引不平衡，影响搜索速度。
imsearch train -c 65536 -i 6500训练结束后，会得到一个 quantizer.bin 文件。
将先前训练得到的 quantizer.bin 移动到配置目录中（可以使用 imsearch --help 查看默认目录）。
然后使用 imsearch build 构建索引。
# 让 imsearch 打印详细日志
export RUST_LOG=imsearch=debug
# 以默认参数直接搜索单张图片
imsearch search test.jpg
# --nprobe=128：搜索倒排列表中最接近的 128 个 bucket，提高了精度但耗费更多时间
imsearch search --nprobe=128 test.jpg其他高级参数请使用 --help 查看。
# 由于 HTTP 服务需要长期运行，这里采用一次性加载索引到内存的方式来提升速度
# 但需要注意内存容量是否满足
imsearch --no-mmap server启动 http 服务后，访问 http://127.0.0.1:8000/docs 可以看到 API 列表。
暂无开放 Issues，或尚未同步最近议题。