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

---

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

  ---

“图像相似性”绝不是一个微不足道的定义，因此是一项非常零碎的任务。与计算机视觉相比，人脑在这方面仍然有很多优势。我正在研究LFW数据集，所以这里的相似度指的是生物特征学观点中的匹配分数。训练分类器和分类是一个识别问题。但在这里我试图解决验证类型的问题。你能添加一些相似和不同图像的示例图像吗？什么样的“特征向量”存在，你在标题中提到过。在编辑中提到过。谢谢你的回答。您提到的第二种方法很有意义，而且实现起来很有效。那么，通过这种方法，我们可以清楚地区分同一类和不同类的图像吗？类间距离和类内距离是否清晰可辨？在大多数情况下，是的，它们是可分辨的。但无论如何，这完全取决于你想要区分的对象的种类。面对面，这是一项可以解决的任务。