尽管谷歌搜索量相当大，但唯一出现在神经网络上并利用现有API查找图像标签和网络摄像头跟踪的内容。
我想要做的是为某些对象创建自己的数据集（包含产品图像的数据库（或每个图像的指纹），以及有关产品的制造商信息），然后使用某些组合机器学习和对象检测，以查找给定图像是否包含我收集的数据中的任何产品。
例如，我想拍一张椅子的照片并将其与一些数据进行比较，以便从我数据库中的椅子中找出最有可能出现在椅子上的椅子。
解决这个问题的方法是什么？我已经考虑过使用OpenCV，并且觉得这是一个起点，可能是我如何检测对象，但我还没有找到如何使用它来解决我的问题。
答案 0 :(得分：1)
我认为最终使用什么工具解决问题并不重要。您可能需要某种机器学习。很难说哪种方法会产生最佳检测效果，因此我建议使用像weka这样的工具。它是多种机器学习算法的集合，可让您轻松尝试最适合您的方法。
在开始尝试机器学习之前，首先需要从数据集中提取一些功能。由于您很难逐像素地比较图像，这将导致巨大的计算工作量，甚至不一定能提供所需的结果。尝试提取使图像独特的特征，如平均颜色或亮度，可能尝试从图像中提取一些形状或大小。因此，最后您只需使用从图像中提取的特征而不是图像本身来提供算法。
哪些好的功能很难定义，这取决于你的特殊情况。通常，不仅有一个而且多个特征覆盖图像的完全不同方面是有帮助的。要提取功能，您可以使用openCV或任何其他您喜欢的图像处理工具。获取数据集中所有图像的功能，并开始使用机器学习。
答案 1 :(得分：1)
据我所知，您希望构建一个基于内容的图像检索系统。 有很多方法可以做到这一点。定义解决问题的最佳方法的定义与：
你举了一个识别椅子的例子。在您的系统中，这将是选择最相似的椅子的决定因素？椅子的颜色？椅子的形状？这些是您在选择方法之前必须回答的典型问题。
无论哪种方式，解决此类问题最常用的方法之一是 Bag-of-Words 模型（也称为特色包）。我希望我能提供更多帮助，但为此我需要你更好地解释它，这是你工作/项目的最终目标。