Opencv 如何使用两幅图像的特征向量计算它们之间的相似性分数?
我正在进行人脸识别项目,使用深度学习架构将图像分为不同的类别。softmax层的网络输出是预测类标签,密集层的最后一层的输出是输入图像的特征表示。这里,对于每个图像,特征向量是大小为1000的一维矩阵。预测类是识别类型的问题,但我对验证问题感兴趣 因此,给定两个样本图像,我需要使用它们的特征表示来比较两个给定图像之间的相似性/相异性分数。如果比赛分数大于阈值,则为命中,否则不命中。请告诉我是否有任何标准方法Opencv 如何使用两幅图像的特征向量计算它们之间的相似性分数?,opencv,machine-learning,computer-vision,keras,pattern-recognition,Opencv,Machine Learning,Computer Vision,Keras,Pattern Recognition,我正在进行人脸识别项目,使用深度学习架构将图像分为不同的类别。softmax层的网络输出是预测类标签,密集层的最后一层的输出是输入图像的特征表示。这里,对于每个图像,特征向量是大小为1000的一维矩阵。预测类是识别类型的问题,但我对验证问题感兴趣 因此,给定两个样本图像,我需要使用它们的特征表示来比较两个给定图像之间的相似性/相异性分数。如果比赛分数大于阈值,则为命中,否则不命中。请告诉我是否有任何标准方法 相似面示例(理想情况下应生成matchscore>threshold):您的项目有两种解
相似面示例(理想情况下应生成matchscore>threshold):您的项目有两种解决方案:
- 训练你自己的网络(使用预先训练的网络),输出1000个班级。这种方法不是最简单的方法,因为每个类需要有足够的(比如说巨大的)数据量,每个类大约1000个样本
- 另一种方法是使用远程度量学习。我们通常所说的“距离”是指欧几里德范数。这种方法比仅仅提取特征并将其与最近的特征匹配要广泛和深入得多。试着搜索它。
祝你好运李>