从一组图像中匹配一个图像：结合传统的计算机视觉 + 深度学习/CNN答案

【问题标题】：Match an image from a set of images : Combine traditional Computer vision + Deep Learning/CNN从一组图像中匹配一个图像：结合传统的计算机视觉 + 深度学习/CNN
【发布时间】：2018-04-04 05:17:35
【问题描述】：

在我正在开发的应用程序中，我有大约 5000 个产品标签图像。（每个产品一个标签）。

我的应用程序的一个功能是用户可以使用他的相机拍照，并与系统注册的产品标签进行可能的匹配。

由于最初，我的系统每个产品只有一个样本，因此我决定采用传统的计算机视觉技术。我设法使用特征提取和描述符匹配来实现这一点。（使用 OpenCV SIFT 和 FLANN 技术引用此：https://github.com/kipr/opencv/blob/master/samples/cpp/matching_to_many_images.cpp）

现在我正在考虑如何通过结合 CNN 或深度学习技术来提高准确性，因为当用户批准匹配时，它会逐渐为产品添加更多标签样本。

是否可以构建结合计算机视觉技术和 CNN/深度学习技术的混合图像匹配系统？

是否有任何类似的服务已经作为服务可用？

【问题讨论】：

标签： opencv image-processing neural-network computer-vision deep-learning

【解决方案1】：

您应该了解有关距离度量学习 (DML) 的更多信息。网上有很多资料，但简而言之：

您必须从基础中获取每个图像的嵌入（向量表示）（例如，从现代 CNN（Inception、VGG、ResNet、DenseNet）之一的最后一个卷积层获取特征向量）
然后，当您获得新图像时，您应该创建当前图像的矢量表示并找到距您的基础最近的矢量（例如通过欧几里德距离）

这个题目比较复杂，仔细研究吧：）祝你好运！

【讨论】：