Python 利用神经网络寻找最相似的图像

我正在使用Python、scikit learn和keras。我有30万张正面手表的图片，如下所示：

我喜欢编写一个程序，它接收一张真正手表的照片作为输入，这张照片可能是在不如上面照片理想的条件下拍摄的（不同的背景颜色、较暗的闪电等），并在3000只手表中找到最相似的手表。通过相似性，我的意思是，如果我输入一张带有薄花边的圆形棕色手表的照片，那么我希望输出圆形、深色和薄花边的手表

最有效的机器学习算法是什么

例如，通过以下步骤，我想到了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

2） 在暹罗神经网络中使用两个CNN来比较图像

这两个选项是完成此任务的最佳选项，还是您会提出其他建议

你知道这个任务有没有经过预先训练的神经网络（具有预先确定的超参数）

---

我在StackOverflow上找到了一些关于这一点的有趣帖子，但它们都很老了：，。

很难定义与照片相似的确切含义。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/空白面等）

下面是一种使用tensorflow库与最近邻库混合的方法，示例代码如下：

---

这至少可以让您开始。

下面是Keras的另一种方法：感谢您的回复。是的，什么是相似性比看起来更不确定。从这个意义上说，我在想，根据花边的形状、颜色、厚度给我的图像贴标签，并在上面应用连体神经网络是否有效。我还没有决定，但我寻找最准确的方法来做到这一点，而不必花费这么多时间在标签图像等。。。