Résumez cet article avec :
- L'API Image Similarity Search d'Eden AI vous permet de comparer et de récupérer des images visuellement similaires à l'aide de quelques requêtes HTTP simples.
- Select the picture similarity search : Choisissez la fonction de recherche de similarité d'image.
- Après l'enregistrement, vous recevrez une clé API qui déverrouille l'accès à plusieurs fournisseurs de recherche de similarité d'images intégrés à la plateforme.
- Recherche de similarité d'images est un outil puissant pour des applications telles que les galeries d'images, le commerce électronique et les systèmes de recommandation.
- Vous l'utilisez généralement si vous devez récupérer une image particulière à l'aide de son identifiant ou d'autres identifiants.
Recherche de similarité d'images est un outil puissant pour des applications telles que les galeries d'images, le commerce électronique et les systèmes de recommandation.
Avec Eden AI, vous pouvez créer une solution rapide et évolutive pour comparer et trouver des images similaires.
Dans cet article, nous verrons comment implémenter la recherche de similarité d'images à l'aide de JavaScript, en abordant les techniques et outils clés pour vous aider à démarrer efficacement.
Comment fonctionne Recherche de similarité d'images Du travail ?

L'API fonctionne en extrayant les principales caractéristiques visuelles d'une image donnée, appelée vario de caractéristiqueset en les comparant à des vecteurs de caractéristiques d'images stockées dans un ensemble de données.
Lorsqu'une image de requête est soumise, le système la traite, génère une représentation unique des caractéristiques et recherche des correspondances avec les vecteurs de caractéristiques les plus visuellement similaires de la collection. Les techniques issues de l'apprentissage profond et de l'intelligence artificielle sont au cœur de ce processus, permettant une analyse d'image précise et évolutive.
L'API Image Similarity Search d'Eden AI vous permet de comparer et de récupérer des images visuellement similaires à l'aide de quelques requêtes HTTP simples.
Premiers pas avec la recherche de similarité d'images sur Eden AI
1. Open a account Eden AI : Pour commencer à utiliser l'API Image Similarity Search, créez un compte sur Eden AI. Après l'enregistrement, vous recevrez une clé API qui déverrouille l'accès à plusieurs fournisseurs de recherche de similarité d'images intégrés à la plateforme.

2. Accédez à Image Technologies: Une fois connecté, accédez à la section image de la plateforme.
3. Select the picture similarity search: Choisissez la fonction de recherche de similarité d'image.
Mise en œuvre de la recherche de similarité d'images en JavaScript
Installez Axios pour les demandes d'API
Axios est une bibliothèque populaire pour effectuer des requêtes HTTP en JavaScript. Installez-le en utilisant npm :
npm install axios
Phase 1 : Indexer une image
Cette phase transforme une image en embedding (un vecteur de caractéristiques) avec Eden AI et l'enregistre dans votre propre index, afin qu'elle puisse servir à de futures recherches de similarité.
Code pour indexer l'image
Créez un nouveau fichier nommé uploadImage.js dans le dossier de votre projet. Dans ce fichier, nous utiliserons Axios pour envoyer l'image à l'endpoint d'embeddings d'Eden AI (https://api.edenai.run/v3/embeddings) avec le modèle multimodal google/gemini-embedding-2. L'image est envoyée sous forme de data URI en base64, car une simple URL serait traitée comme du texte.
const axios = require("axios");
const fs = require("fs");
// Download the image and send its content as a base64 data URI
async function embedImage(fileUrl, apiKey) {
const image = await axios.get(fileUrl, { responseType: "arraybuffer" });
const dataUri = `data:${image.headers["content-type"]};base64,` + Buffer.from(image.data).toString("base64");
const response = await axios.post(
"https://api.edenai.run/v3/embeddings",
{ model: "google/gemini-embedding-2", input: [dataUri] },
{
headers: {
Authorization: `Bearer ${apiKey}`,
"Content-Type": "application/json",
},
}
);
return response.data.data[0].embedding;
}
// Store the embedding in a local index (a JSON file here, a vector database in production)
async function uploadImage(fileUrl, imageName, apiKey, indexPath = "index.json") {
try {
const index = fs.existsSync(indexPath) ? JSON.parse(fs.readFileSync(indexPath)) : {};
index[imageName] = await embedImage(fileUrl, apiKey);
fs.writeFileSync(indexPath, JSON.stringify(index));
return { image_name: imageName, dimensions: index[imageName].length };
} catch (error) {
console.error("UploadImage error:", error.response?.data || error.message);
throw error;
}
}
module.exports = { embedImage };
if (require.main === module) {
uploadImage("https://example.com/image.jpg", "image.jpg", "YOUR_API_KEY").then(console.log);
}
- Remplacez « YOUR_API_KEY » par votre véritable clé d'API Eden AI.
- L'embedding de l'image est calculé par Eden AI puis enregistré dans index.json, et vous verrez le nom de l'image et la taille du vecteur dans la console. Lancez le script une fois pour chaque image à indexer.
Phase 2 : Lancer la recherche de similarité
Une fois vos images indexées, vous pouvez rechercher des images visuellement similaires dans votre index. L'image de requête est transformée en embedding avec le même modèle, puis comparée à chaque vecteur enregistré par similarité cosinus.
Code pour lancer la recherche de similarité
Créez un nouveau fichier nommé launchSimilaritySearch.js. Dans ce fichier, nous réutiliserons la fonction embedImage de uploadImage.js et classerons les images indexées par similarité.
const fs = require("fs");
const { embedImage } = require("./uploadImage");
function cosineSimilarity(a, b) {
let dot = 0, normA = 0, normB = 0;
for (let i = 0; i < a.length; i++) {
dot += a[i] * b[i];
normA += a[i] * a[i];
normB += b[i] * b[i];
}
return dot / (Math.sqrt(normA) * Math.sqrt(normB));
}
async function launchSimilaritySearch(fileUrl, n = 10, apiKey, indexPath = "index.json") {
try {
const index = JSON.parse(fs.readFileSync(indexPath));
const query = await embedImage(fileUrl, apiKey);
return Object.entries(index)
.map(([imageName, vector]) => ({ image_name: imageName, score: cosineSimilarity(query, vector) }))
.sort((a, b) => b.score - a.score)
.slice(0, n);
} catch (error) {
console.error("launchSimilaritySearch error:", error.response?.data || error.message);
throw error;
}
}
launchSimilaritySearch("https://example.com/query.jpg", 10, "YOUR_API_KEY").then(console.log);
- Remplacez « YOUR_API_KEY » par votre real API key.
- La recherche retournera jusqu'à 10 images similaires, and you see the response print in the console, which includes the images and your similitude scores.
Plus de fonctionnalités
Outre les principales étapes d'indexation et de recherche d'images similaires, vous aurez besoin de gérer vos images, notamment de les répertorier, d'en récupérer une en particulier et de les supprimer lorsqu'elles ne sont plus nécessaires. Comme les vecteurs sont stockés de votre côté, cela ne demande aucun appel d'API supplémentaire.
Voici comment faire avec le fichier index.json :
1. Répertorier toutes les images : lisez les clés de l'index avec Object.keys(index) pour voir les images disponibles.
2. Obtenir une image : lisez index[imageName] pour récupérer le vecteur enregistré d'une image donnée.
3. Supprimer une image : retirez l'entrée avec delete index[imageName], puis enregistrez de nouveau le fichier.
Pour de grandes collections, stockez les vecteurs dans une base de données vectorielle plutôt que dans un fichier JSON : les recherches restent rapides quand la collection grandit.
Avantages de l'utilisation de l'API unique d'Eden AI
L'utilisation de l'API d'Eden AI est simple et rapide.

Gagnez du temps et réduisez les coûts
Nous fournissons une API unifiée qui intègre tous les fournisseurs, offrant une expérience simple et cohérente.
Fluid integration
Grâce aux efforts de standardisation d'Eden AI, le format de sortie JSON est cohérent pour tous les fournisseurs. Les éléments de réponse sont également standardisés grâce à nos algorithmes de correspondance avancés.
Personnalisation
Avec Eden AI, vous pouvez facilement intégrer des plateformes tierces. Notre équipe peut développer rapidement des connecteurs. Pour des personnalisations plus avancées et des demandes d'API avec des paramètres spécifiques, consultez notre detailed documentation.
Faites passer votre projet au niveau supérieur
L'équipe Eden AI est là pour vous aider à intégrer votre recherche de similarité d'images. Nous pouvons vous aider de plusieurs manières :
- Organisez une démonstration du produit et discuter de vos besoins.
- Bénéficiez de l'assistance et des conseils d'experts pour trouver la meilleure combinaison de fournisseurs adaptée à vos besoins spécifiques.
- Tierce Plates-formes Integration : our team may rapidement développer des connecteurs pour vous.
.jpeg)

