README.md

AnimeBack

以图搜番。这是一个动漫场景搜索引擎服务端。可以通过番剧某一刻的截图，反向搜索它出自哪部番，以及出现的确切时间。网站前端

与trace.moe相比，由于使用的是深度学习模型提取图像特征，此项目或许能够提供鲁棒性更高，更准确的搜索服务。也因此性能开销更大，收录比较慢。目前仍处于测试阶段

示例

测试图片

搜索结果

部署

环境要求

需要安装python3；需要安装ffmpeg

安装依赖项：

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

运行

• 初始化配置文件

python run.py

• 安装并启动milvus
• 配置config.json
• 运行下载程序(bilibili)

python run.py download-bilibili

• 运行视频处理/录入程序

# 将会处理已下载的视频
python run.py process

• 运行网站后端

python app.py

此方法仅供测试。生产环境请参考Flask部署方式

下面 的例子使用gunicorn， 4 worker 进程（ -w 4 ）来运行 Flask 应用，绑定到 localhost 的 4000 端口（ -b 127.0.0.1:4000 ）:

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

技术实现

• 通过bilibili(或其他网站)的API，自动下载番剧，并初步保存番剧信息

• 使用ffmpeg压缩视频并转为mp4，放到网站静态目录下

• 使用ffmpeg，将视频以一定采样率转为图片，放到临时目录

• 逐帧读取图片，通过phash算法过滤掉相邻的相似图片，其余的图片用模型提取特征向量，插入到milvus。添加的每帧的id、time、所属epid等对应信息存到leveldb数据库

• 搜索时同样提取图像特征向量，用milvus搜索，返回相似帧的id，再通过数据库查询其他信息

To-do

• 支持Xception预训练模型与PCA降维
• 训练更符合需求的模型
• 实现对op/ed的优化
• 自动从樱花动漫下载
• 开放搜索API

Thanks · 鸣谢

• 部分过程参考以图搜番。部分思路来自tuxiaobei
• 从B站下载的部分使用了bilili
• 自动裁剪图像黑边的实现，来源于trace.moe的crop.py
• 使用了Milvus索引和搜索向量
• 使用了各深度学习模型提取图像特征