Initial vault setup

2026-06-09 18:40:21 +02:00
commit bda02d587f
3692 changed files with 402457 additions and 0 deletions
@@ -0,0 +1,95 @@
+---
+title: Meme Search
+created: 2026-06-08
+updated: 2026-06-08
+type: app
+tags: [catalogue, search-engines, self-hosted, python]
+confidence: medium
+contested: false
+sources:
+  - https://neonwatty.github.io/meme-search/
+  - https://github.com/neonwatty/meme-search
+---
+
+# Meme Search 🐸
+> Moteur de recherche de mèmes par similarité visuelle, basé sur le machine learning (embeddings + CLIP).
+
+| Métadonnée | Valeur |
+| :--- | :--- |
+| **Site web** | https://neonwatty.github.io/meme-search/ |
+| **GitHub** | https://github.com/neonwatty/meme-search |
+| **License** | MIT |
+| **Langage** | Python + Ruby |
+| **Étoiles** | 677 |
+| **Dernière MAJ** | 2026-05-31 |
+| **Catégorie** | [[cat-search-engines]] |
+
+## Description
+Meme Search est un **moteur de recherche par similarité sémantique** spécialisé dans les mèmes et les images drôles. Plutôt que de chercher par mot-clé, l'utilisateur saisit une description (« chien qui regarde son maître manger ») et l'IA retrouve les mèmes visuellement similaires dans la collection, grâce à des modèles **CLIP** d'OpenAI combinés à un index vectoriel.
+
+L'application est livrée avec une **bibliothèque de mèmes pré-indexée** (plusieurs milliers d'images) mais l'utilisateur peut y ajouter ses propres mèmes via téléversement. L'indexation locale utilise des embeddings de 512 dimensions stockés dans un fichier `.npz` (NumPy compressé), et la recherche est effectuée par **cosine similarity** en quelques millisecondes.
+
+C'est un projet pédagogique amusant qui combine Python (backend ML, FastAPI), Ruby (probablement pour le script d'ingestion), et un frontend web léger. Idéal pour qui veut expérimenter avec **CLIP / embeddings / vector search** sur un cas d'usage concret, sans la complexité d'Elasticsearch ou Pinecone.
+
+## Installation
+### Docker Compose
+```yaml
+services:
+  meme-search:
+    image: neonwatty/meme-search:latest
+    container_name: meme-search
+    build:
+      context: https://github.com/neonwatty/meme-search.git
+    environment:
+      - PORT=8000
+      - PYTHONUNBUFFERED=1
+    volumes:
+      - ./data:/app/data
+      - ./memes:/app/memes
+    ports:
+      - "8000:8000"
+    labels:
+      - traefik.enable=true
+      - traefik.http.routers.meme.rule=Host(`meme.example.com`)
+      - traefik.http.routers.meme.entrypoints=websecure
+      - traefik.http.routers.meme.tls.certresolver=letsencrypt
+      - traefik.http.services.meme.loadbalancer.server.port=8000
+    restart: unless-stopped
+```
+
+### Local
+```bash
+git clone https://github.com/neonwatty/meme-search.git
+cd meme-search && pip install -r requirements.txt
+python app.py
+```
+
+## Configuration
+1. Cloner le repo et installer les dépendances Python (PyTorch, FastAPI, Pillow, transformers).
+2. Téléverser vos mèmes dans le dossier `./memes/` (PNG/JPG/GIF).
+3. Lancer le script d'**indexation** : `python indexer.py --memes ./memes --out data/embeddings.npz`.
+4. Démarrer le serveur web : `uvicorn app:app --host 0.0.0.0 --port 8000`.
+5. Accéder à l'UI sur `http://localhost:8000` et saisir une requête en langage naturel.
+
+## Alternatives
+- **Open source** : [[app-meilisearch]] (recherche full-text généraliste), SearXNG Images, ImgOps, SauceNAO (anime), ASCIImoji, IconFinder, Hydrus Network (booru + tags), OpenBooru (booru + ML).
+- **Propriétaire** : Google Lens (propriétaire, multimodal), TinEye (reverse image), Yandex Images, Pinterest Visual Search, Bing Visual Search.
+
+## Sécurité
+- **Modèle CLIP local** : aucune image n'est envoyée à un cloud (OpenAI, Google, etc.).
+- **Pas d'auth intégrée** : déployer derrière un reverse proxy avec Authelia si exposition publique.
+- **HTTPS obligatoire** pour ne pas MITM les requêtes de l'utilisateur vers le serveur.
+- **Limiter l'upload** à des formats d'image (PNG/JPG/WebP) et une taille max pour éviter l'amplification.
+- **Modèle de modération** optionnel : classifier les NSFW avant indexation si la collection est mixte.
+
+## Ressources
+- Code : https://github.com/neonwatty/meme-search
+- Démo : https://neonwatty.github.io/meme-search/
+- Documentation CLIP : https://github.com/openai/CLIP
+- Issues : https://github.com/neonwatty/meme-search/issues
+
+## Pages Liées
+- [[cat-search-engines]] — Catégorie parente
+- [[app-meilisearch]] — Moteur de recherche full-text
+- [[app-searxng]] — Méta-moteur de recherche
+- [[recettes-docker-compose]] — Modèles de stacks