图像相似度
使用Resnet50+KNN在数据集中查找相似图像以获取新图像。 为了解决curse of dimensionality使用PCA来降低特征的维数。
Resnet50(在imageNet上训练)
在没有toplayer的情况下从keras创建Resnet50,以获取卷积特征(2048维)作为输出,而不是图像分类概率。
为数据集的每个图像提取卷积特征(Feature_size:[number_images,2048])。
KNN(不是分类问题)
将最近邻算法拟合到从数据集中提取的特征
提取测试图像(新)的卷积特征,并计算测试图像与数据集的每个图像之间的距离(image_Similarity)。
PCA
将PCA应用于提取的特征并减小尺寸。
使最近邻算法适合新功能
1