溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關Milvus的深度實踐是怎樣的，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。
Milvus作為一個開源的分布式向量搜索引擎，憑借其出色的產品設計和工程實現，已被多家不同行業的科技公司融合進各種行業解決方案中。
Milvus向量搜索引擎可以對接包括圖片識別，視頻處理，聲音識別，自然語言處理等深度學習模型，為向量化后的非結構數據提供搜索分析服務。
那么，用戶是如何使用Milvus呢？
首先用戶將通過深度學習模型將非結構化數據轉化為特征向量導入Milvus庫中，Milvus對特征向量進行存儲并建立索引。檢索時，先將待搜索的非結構化數據轉換為特征向量，然后在Milvus中進行搜索，Milvus將返回搜索結果，再通過特征向量結果找到對應的非結構化數據。
Milvus搜索引擎架構如圖
基于人臉識別技術的“一人一檔”是當前在人像管理中常見的應用場景，通過對道路卡口攝像頭采集的數據集進行聚類歸檔，從而建立人像檔案，并將各個檔案打上標簽，首先是人臉聚類，是指對前端攝像頭收集來的人臉照片進行分類，將同一個人的照片聚為一類，然后建立每個人的個人檔案。“一人一檔”在智慧城市，智能安防等諸多領域都有廣泛應用。然而，城市中各個卡口每天收集到的人臉圖片數量高達千萬級，在龐大的數據集中，要快速又精確的完成對人臉的聚類并非易事。
為了更加高效地完成人臉聚類，云從結合Milvus向量搜索引擎實現了大規模實時人臉聚類，基于動態數據建立一人一檔。在其中一款產品的研發場景 中，首先將數千萬張人臉圖片提取為特征向量，再將轉化好的數千萬條向量導入Milvus的表中。然后通過Milvus批量搜索功能，對給定的一個批量（N張）的人臉圖片向量在導入好的底庫中進行搜索，得到底庫中分別與這數百張人臉圖片相似度為Top-K個人臉，結果集為N*K張人臉，即完成了底庫中對這N張人臉圖片的初步聚類。
得益于Milvus向量搜索引擎的加速，在數千萬級別的圖庫中，在數秒內就能完成上千張人臉圖片的聚類，平均每張人臉圖片的聚類只需數十毫秒，同時召回率保持在95%以上。
該場景下的人臉聚類實現流程：
Milvus的高性能、高召回率有效助力了“人臉聚類，一人一檔”的系統建設，能保證檔案系統數據的及時更新、保證數據的鮮活性。從而可以充分利用采集到的數據，挖掘數據價值。
關于Milvus的深度實踐是怎樣的就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
