machine-learning - 使用 TensorFlow 进行图像相似度检测

Question

最近我开始使用 tensorflow ，在尝试学习流行算法时，我处于需要找到图像之间相似性的情况。

图像 A 由我提供给系统，用户x 提供图像 B，如果图像 B 相似(颜色和类别)，系统应将图像 A 检索给用户x。

现在我有几个问题:

1. 我们是否认为这种情况是监督学习？我在问因为我不认为这是一个分类问题(困惑!!)
2. 我应该使用什么算法来训练等..
3. 重新训练应该经常进行，我应该如何解决这个问题问题所以我不会每次都从头开始训练(微调？)

Answer 1

Do we consider this scenario to be supervised learning?

当你有标签来优化你的模型时，这就是监督学习。因此对于大多数神经网络来说，它是有监督的。

但是，您也可以查看完整的任务。我猜您没有任何图像对的基本事实以及您的模型应输出的“所需”相似度值？

解决这个问题的一种方法听起来本质上是无监督的，那就是采用在 1000 个类别的图像网络上训练(以监督方式)的 CNN(卷积神经网络)。为了获得两个图像的相似度，您可以简单地获取输出概率分布的欧几里德距离。这不会带来出色的结果，但可能是一个很好的开始。

2. What algorithms i should use to train etc..

首先，您应该定义“相似”对您来说意味着什么。当两个图像包含相同的对象(类)时，它们是否相似？如果图像的总体颜色相同，它们是否相似？

例如，以下 3 对图像有多相似？

看看FaceNet并搜索“基于内容的图像检索”(CBIR):

• Wikipedia
• Google Scholar