如何使用特征向量计算两幅图像之间的相似度得分？

Question

我正在使用深度学习架构进行人脸识别项目，将图像分类为相应的类别。 softmax 层的网络输出是预测的类标签，而密集层最后一层的输出是输入图像的特征表示。这里的特征向量是每个图像大小为 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。

所以给定两个样本图像，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度/不相似度得分。如果匹配分数大于阈值，则为命中，否则不命中。请让我知道是否有任何标准方法？

相似面孔的示例（理想情况下应该生成匹配分数>阈值）：https://3c1703fe8d.site.internapcdn.net/newman/gfx/news/hires/2014/yvyughbujh.jpg

Answer 1

您的项目有两种解决方案：

• 使用 1000 个类的输出训练您自己的网络（使用预训练的网络）。这种方法并不是最简单的方法，因为每个类都需要有足够（比如大量）数据，每个类大约有 1000 个样本。
• 另一种方法是使用距离度量学习。通过这个“距离”，我们通常指的是欧几里得范数。这种方法比仅仅提取特征并将它们匹配到最近的特征更广泛和更深入。尝试搜索它。 祝你好运！