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
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
相关问题 更多 >
编程相关推荐