Computer vision 如何将支持向量机或深度神经网络应用于图像检索

在获得图像数据集后，为所有图像构建特征数据库，该特征数据库是基于RGB颜色模型和HSV颜色模型的均值和标准差的向量，用于部分图像。一旦给出查询图像，我如何使用svm从数据库中重定时相关图像

---

另外，如何使用无监督学习解决上述问题

假设查询图像未标记，应用SVM将需要一种知道数据集图像标签的方法，因为SVM是监督学习的一种形式，旨在正确确定未标记数据的类标签。您需要另一种方法来生成类标签，例如无监督学习，因此，如果您只有特征向量，但没有类标签，那么这种方法似乎不相关

神经网络允许使用未标记数据进行无监督学习，但这是一种相当复杂的方法，也是学术研究的主题。您可能需要考虑一种更简单的机器学习方法，例如，允许您获得与您的特征空间相似的K个最接近的训练样本。该算法实现简单，可以在许多机器学习库中找到。例如，在Python中，您可以使用

---

我不确定您使用的是哪种类型的图像，但您可能还希望使用特征检测算法（如SIFT）进行探索，而不仅仅是像素强度。

我使用的是一个由1000张图像组成的数据库，其中100张图像属于特定类型，如假日，在这种情况下，我可以使用什么样的无监督算法，你能解释一下构建这样一个系统需要遵循的整个过程吗。提前感谢Micheal:-）