Image processing 寻找相似的图像_Image Processing_Similarity_Caffe

Image processing 寻找相似的图像

image-processing

Image processing 寻找相似的图像,image-processing,similarity,caffe,Image Processing,Similarity,Caffe,我想找到与另一个图像相似的图像。所以经过研究，我发现了两种方法，第一种是两种，通过图像的属性来表示图像，比如 length=full 图案=支票颜色=蓝色但这种方法的局限性在于，我无法获得一个包含所有标记特征的详尽数据集我发现的第二种方法是提取特征并进行特征映射。因此，我决定将深度卷积神经网络与caffe结合使用，以便通过使用任何现有的模型，我可以学习特征，然后执行特征匹配或其他操作。我只是想提出一个一般性的建议，还有哪些方法是好的，值得一试。既然我刚开始接触caffe，那么谁能给我一个

我想找到与另一个图像相似的图像。所以经过研究，我发现了两种方法，第一种是两种，通过图像的属性来表示图像，比如

length=full
图案=支票
颜色=蓝色

但这种方法的局限性在于，我无法获得一个包含所有标记特征的详尽数据集

我发现的第二种方法是提取特征并进行特征映射。因此，我决定将深度卷积神经网络与caffe结合使用，以便通过使用任何现有的模型，我可以学习特征，然后执行特征匹配或其他操作。我只是想提出一个一般性的建议，还有哪些方法是好的，值得一试。既然我刚开始接触caffe，那么谁能给我一个关于如何处理caffe问题的一般性指导方针呢？提前谢谢

我看了Phasy.好奇的是它会发现像小强度变化和其他变化一样的图像，它也能赋予同一类型（语义上）类似于蓝色和红色条纹的T恤，它会给黑色和白色条纹相似，并且会考虑诸如衬衫长度之类的东西，衣领风格等确实，经验证明，使用ConvNets提取的特征之间的欧几里德距离对于同一类别的图像更近，而对于不同类别的图像则更远，但了解您所寻找的相似性是很重要的

可以定义多种类型的相似性度量，而您使用的特征类型（在ConvNets的情况下，它所训练的数据类型）会影响您将获得的相似图像的类型。例如，可能给你一张狗的图片，你想找到其他狗的图片，但不是确切的狗，或者，你有一张教堂的图片，你想找到另一张同样教堂的图片，但从不同的角度-这是两个非常不同的问题，用不同的方法来解决它们

你可以看到一种特殊的卷积神经网络是暹罗网络，它是为了学习两幅图像之间的相似性而建立的，给定一组标签相同/不相同的图像对。您可以在Caffe中查找此方法的实现

另一种方法是使用一个在ImageNet data（）上训练过的ConvNet，使用python/matlab接口对图像进行分类，然后提取从第二层到最后一层的图像，并将其用作该图像的表示。现在你可以只取这些表示的欧几里德距离，这就是你的相似性度量

与Caffe无关，您还可以使用OpenCV（）等开源库中包含的“老式”特征匹配方法

事实上，经验表明，对于同一类别的图像，使用CONVNET提取的特征之间的欧几里德距离更近，而对于不同类别的图像，欧几里德距离更远，但了解您所寻找的相似性很重要

可以定义多种类型的相似性度量，而您使用的特征类型（在ConvNets的情况下，它所训练的数据类型）会影响您将获得的相似图像的类型。例如，可能给你一张狗的图片，你想找到其他狗的图片，但不是确切的狗，或者，你有一张教堂的图片，你想找到另一张同样教堂的图片，但从不同的角度-这是两个非常不同的问题，使用不同的方法可以解决这些问题

与Caffe无关，您还可以使用OpenCV（）等开源库中包含的“老式”特征匹配方法