mocov3_infer.py

通过mocov3进行特征提取，并进行相似度判断，预训练模型路径：https://github.com/facebookresearch/moco-v3/blob/main/CONFIG.md
其中数据增强采用优化后的letterbox，较长边放缩到224，并保持长宽比不变，不进行padding，主要目的是为了保证原图信息不缺失也不额外增加干扰（改用resize，可以比较下两个效果）
尝试加上project，发现效果很差，resnet直接使用2048维度特征效果反而更好

phash_infer.py

通过phash算法进行特征提取，原理refer：https://www.cnblogs.com/ERKE/p/14110372.html
其中相似度判断通过简单的元素比对进行判断
算法实现from：https://github.com/idealo/imagededup
优化点：可以通过其他距离判断方法

clip_infer.py

通过clip的视觉模型抽取图像特征
依赖于clip库，https://github.com/openai/CLIP

算法总结

phash（向哲使用的图片去重算法）：能够检测出非常相似的图片
mocov3（视频指纹使用的图片去重算法）：能够检测出较为相似的图片
clip：能够检测出语义上相似的图片
总结：检索能力逐级上升，clip>mocov3>phash，可以根据不同的业务场景选择不同的算法。