圖片相似度檢測與TensorFlow

Question

最近，我開始與tensorflow玩，同時努力學習流行的算法，我在一個情況下，我需要找到圖像之間的相似性。

圖片A由我提供給系統，並且用戶X提供圖像B和系統應檢索圖像A到用戶X如果圖像B是相似的（顏色和類）。

現在我有幾個問題：

1. 難道我們認爲這種情況下被監督的學習？我問 ，因爲我不認爲這是一個分類問題（混淆！）
2. 我應該使用什麼算法來訓練等。
3. 再培訓應該經常做的，我應該怎麼解決這個 問題，所以我不會從頭開始訓練，每次（微調？）

Answer 1

1. 這可能是一個監督的學習。您可以將圖像分類爲兩個圖像，如果兩個圖像處於相同的類別（或關閉某個類別），則可以將它們視爲相似。

2. 可以使用傳統的深層神經網絡的imagenet如inception model。初始模型輸出1000個類別的概率圖（這是一個其值總和爲1的向量）。您可以計算兩幅圖像的矢量的距離以獲得它們的相似度。

3. 在成立之初模型的同一頁，你還可以找到的說明重新訓練模型：https://github.com/tensorflow/models/tree/master/inception#how-to-fine-tune-a-pre-trained-model-on-a-new-task

Answer 2

難道我們認爲這種情況下被監督的學習？

當你有標籤來優化你的模型時，它是監督學習。所以對於大多數神經網絡來說，它是受監督的。

但是，你也可以看看完整的任務。我猜你對圖像對沒有任何基礎事實，並且你的模型應該輸出的「期望」相似度值？來解決這個問題，其聽起來固有無監督

的一種方法是取訓練（在監督方式）一個CNN（卷積神經網絡）上的1000級圖像淨的。爲了得到兩幅圖像的相似度，可以簡單地取出輸出概率分佈的歐氏距離。這不會導致出色的結果，但可能是一個很好的先發。

什麼算法，我應該使用培訓等。

首先，你應該定義什麼是 「相似」 是指你。當兩個圖像包含相同的對象（類）時，它們是否相似？如果圖像的一般顏色相同，它們是否相似？

例如，如何相似的以下3個圖像對？

看一看FaceNet並搜索 「基於內容的圖像檢索」（CBIR）：

• Wikipedia
• Google Scholar