扫描本地的图片以及视频，并且可以用自然语言进行查找。
- 文字搜图
- 以图搜图
- 文字搜视频（会给出符合描述的视频片段）
- 以图搜视频（通过视频截图搜索所在片段）
- 图文相似度计算（只是给出一个分数，用处不大）
注意，首次运行会自动下载模型。下载速度可能比较慢，请耐心等待。如果网络不好，模型可能会下载失败，这个时候重新执行程序即可。
- 首次使用前需要安装依赖：
pip install -r requirements.txt，Windows系统可以双击install.bat。如果你用Windows且打算使用GPU加速，请根据官方文档手动安装torch。install.bat只会安装仅支持CPU的torch。 - 如果你打算使用GPU加速，则执行基准测试判断是CPU快还是GPU快：
python benchmark.py，Windows系统可以双击benchmark.bat。GPU不一定比CPU快，在我的Mac上CPU更快。 - 如果不是CPU最快，则修改
config.py中的DEVICE和DEVICE_TEXT，改为对应设备，如DEVICE = "cuda"。 - 启动程序：
python main.py，Windows系统可以双击run.bat。
目前只有一个docker镜像，打包了默认模型（openai/clip-vit-base-patch32和IDEA-CCNL/Taiyi-CLIP-Roberta-102M-Chinese）并且支持GPU。
启动镜像前，你需要准备：
- 数据库的保存路径
- 你的扫描路径以及打算挂载到容器内的哪个路径
- 根据你的路径信息，准备一个
config.py - 根据你的路径信息，修改
docker-compose.yml里面的volume路径 - 如果打算使用GPU，则需要取消注释
docker-compose.yml里面的对应部分
具体请参考docker-compose.yml，已经写了详细注释。
最后执行docker-compose up -d启动容器即可。
所有配置都在config.py文件中，里面已经写了详细的注释。
如果你发现某些格式的图片或视频没有被扫描到，可以尝试在IMAGE_EXTENSIONS和VIDEO_EXTENSIONS增加对应的后缀。如果你发现一些支持的后缀没有被添加到代码中，欢迎提issue或pr增加。
小图片没被扫描到的话，可以调低IMAGE_MIN_WIDTH和IMAGE_MIN_HEIGHT重试。
在 J3455 CPU 上，语言为English，1秒钟可以进行大约5000-8300次匹配。目前只能用到单核，计划后续优化。
- 部分图片和视频无法在网页上显示，原因是浏览器不支持这一类型的文件（例如tiff文件，svq3编码的视频等）。
- 暂时无法通过多进程优化查询速度。