我想查找類似於其他圖像的圖像。所以，研究後，我發現兩種方法首先在兩個由它的屬性表示圖像像查找相似圖片
length = full pattern = check color = blue
但這種方法的侷限是，我將無法得到詳盡的數據集的全部功能標記。
我發現的第二種方法是提取特徵並進行特徵映射。 所以我決定使用caffe深層卷積神經網絡，通過使用任何現有的模型，我可以學習特徵，然後執行特徵匹配或其他操作。我只想提出一個普遍的建議，其他的方法可以是很好的，值得一試。而且，因爲我剛剛開始與caffe，所以任何人都可以給出一個通用的指導方法來解決caffe的問題？ 在此先感謝
我看着phash只是好奇，它會發現圖像是相同的，就像有輕微的強度變化和一些其他變化wiill它也可以爲同樣的類型（語義）像t恤與藍色和紅色條紋它會給黑色和白色條紋類似，並會考慮像襯衫的長度，領風格等
這是事實證明，這是真的，使用提取的特徵之間的歐氏距離ConvNets對於同一類的圖像更接近，而對於不同類的圖像則更接近 - 但瞭解您尋找的是什麼樣的相似性非常重要。
可以定義許多類型的相似性度量，並且您使用的特徵類型（在ConvNets的情況下，它被訓練的數據類型）會影響您將獲得的類似圖像的類型。例如，也許給狗的圖像，你想找到其他的狗的照片，但不是特定的那隻確切的狗，或者，你可能有一張教堂的照片，你想找到另一個完全相同的教堂的圖像，但從不同的角度 - 這是兩個非常不同的問題，用不同的方法可以用來解決它們。
您可以查看一種特定類型的卷積神經網絡，即Siamese網絡，它是爲了學習兩張圖像之間的相似性而構建的，給出了具有相同/不同名標籤的圖像對的數據集。您可以在Caffe中查找此方法的實現here。
一種不同的方法，是採取上訓練ImageNet數據（see here for options）一個ConvNet，和使用Python/MATLAB接口進行分類的圖像，然後提取第二到最後層，並用其作爲該圖像的表示。現在你可以把這些表示的歐氏距離，這將是你的相似性度量。
與Caffe無關，您還可以使用OpenCV（an example tutorial of such method）等開放源代碼庫中包含的「老派」功能匹配方法。