如何使用它们的特征向量计算两个图像之间的相似性得分？

Question

我正在使用深度学习架构开展人脸识别项目，将图像分类到各自的类中。 softmax层的网络输出是预测的类标签，而密集层的最后但一层的输出是输入图像的特征表示。这里，特征向量是每个图像的大小为1000的1-D矩阵。预测类是识别类型问题，但我对验证问题感兴趣。

因此，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性/相异度得分。如果匹配分数大于阈值则为匹配，否则不会命中。如果有任何标准方法，请告诉我？

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

Answer 1

您的项目有两个解决方案：

• 使用1000个班级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的（比如说巨大的）数据量，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＆＃34;距离＆＃34;我们通常意味着欧几里德规范。这种方法比提取特征更广泛，更深入，并将它们与最近的特征相匹配。尝试搜索它。 祝你好运！