使用神经网络查找最相似的图像

Question

我正在使用 Python、scikit-learn 和 keras。我有 300 万张正面手表的图像，如下所示： Watch_1, Watch_2, Watch_3.

我喜欢编写程序，它接收一张真实手表的照片作为输入，这张照片可能是在比上面的照片不太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 块手表中找到最相似的手表它。所谓相似性，我的意思是，如果我将一张带有细蕾丝的圆形棕色手表的照片作为输入，那么我期望输出的是圆形、深色和带有细蕾丝的手表。

最有效的机器学习算法是什么？

例如，通过关注this link，我想到了两种不同的解决方案：

1) 使用 CNN 作为特征提取器，并参考输入图像比较每对图像的这些特征之间的距离。

2) 在连体神经网络中使用两个 CNN 来比较图像。

这两个选项是完成这项任务的最佳选择还是您会提出其他建议？

您是否知道任何用于此任务的预训练神经网络（具有预先确定的超参数）？

我在 StackOverflow 上发现了一些有趣的帖子，但它们已经很老了：Post_1、Post_2、Post_3。

Answer 1

要准确定义与照片相似的含义是很困难的。由于它们都是手表，因此您必须确定哪些特征与您最相似（形状、颜色、数字/空白面等）

这是一种将 tensorflow 库与最近邻库混合使用的方法，示例代码：http://douglasduhaime.com/posts/identifying-similar-images-with-tensorflow.html

它至少可以让你开始。