Python 存储图像特征向量最有效的方法是什么？

我正在做一个需要处理图像的项目，当上传任何图像时，我会立即提取它们的特征向量，然后将每个图像的特征向量作为文本存储在

MySQL

数据库中

我还使用了

django

框架

def search_images_by_features(query_image: ImageFieldFile, images):
    featured_images = [
        (calculate_similarity(load_features_from_str(image.features), get_image_feature(query_image)), image.item) for image in
        images if image.features is not None]
    ...

但在每张图像上循环并不是什么大问题，因为随着图像的增加，循环需要更多的时间

我的特征向量在数据库中也是这样存储的：

0.0010601664,0.0003533888,0.8969008,0.0014135552，…

---

---

还有一种方法可以让MySQL数据库引擎从特征向量计算相似性吗？

因为一个图像可以有多个特征，所以应该在不同的表中（Django中的aka类）。定义相似性，也许可以在MySQL中做些什么是的，我知道，我可以提取特征，我的功能运行得很好，但是是时候了，我需要尽快检查所有数据库图像。。此功能用于大约100幅图像大约需要10-30秒，这对于搜索来说太多了。。如果我有大约10000个图像，那么它将乘以时间*100You函数可能工作得很好，但它依赖于所有正在检索的图像特征（或者我在代码中遗漏了什么？）。共享特征比较函数和表定义（带索引）可能会提供将部分或全部搜索向下推到数据库的方法。存储为文本听起来像存储在逗号列表中一样错误（我假设您使用数字比较）。什么是图像特征向量？我使用卡方距离表示相似度，它比较每个向量def计算相似度（特征a，特征b，eps=1e-10）：返回0.5*np.sum（[（（a-b）**2）/（a+b+eps）表示（a、b）拉链式（特征a、特征b）]）