用神经网络寻找最相似的图像

Question

我正在与Python、scikitlearn和keras一起工作。我有30万张正面手表的图片，如下所示： Watch_1，Watch_2，Watch_3。在

我喜欢编写一个程序，接收一个真正的手表的照片作为输入，它可能是在比上面的照片不太理想的条件下拍摄的（不同的背景色，较暗的闪电等），并在3000个手表中找到最相似的。我的意思是，如果我给一个圆形的，棕色的薄花边手表的照片作为输入，那么我期望作为输出手表的圆形，深色和薄花边。在

最有效的机器学习算法是什么？在

例如，通过遵循this link我脑海中有两种不同的解决方案：

1）使用CNN作为特征提取器，并参照输入图像比较每对图像的这些特征之间的距离。在

2）利用暹罗神经网络中的两个CNN对图像进行比较。在

这两个选项是这项任务的最佳选择，还是您建议其他选项？在

你知道这个任务有没有预先训练过的神经网络（有预先确定的超参数）？在

我在StackOverflow上找到了一些关于这个的有趣帖子，但是它们都很老了：Post_1，Post_2，Post_3。在

Answer 1

很难定义你和你的照片相似到底是什么意思。因为它们都是手表，你必须决定哪些特征与你最相似（形状、颜色、数字/空白脸等）

下面是一种使用tensorflow库与最近邻库混合的方法，示例代码：http://douglasduhaime.com/posts/identifying-similar-images-with-tensorflow.html

它至少能让你开始。在