神经网络图像架构

Question

我有一套16000张图片。我有一个样本图像，我需要找到16000个图像中的一个。我已经尝试过OpenCV的ORB + FLANN方法，但速度太慢了。我希望一旦训练有素的网络比它快。我不太了解NN理论，我读过一些文章＆amp;网站，我有很多问题：

1. 我应该使用16k输出神经元对输入图像进行分类吗？
2. 如果每节课只有一张火车图像，我如何训练我的NN？
3. 我应该使用什么架构？
4. 也许我应该通过随机扭曲输入图像来增加训练数据集？

提前抱歉我的英语不好：）

Answer 1

我不是专家，但我认为这种问题不适合神经网络。可能在openCV中提供的特征提取，兴趣点和描述符是最佳选择。无论如何，让我们试试这个。收到信息后，我想你可以试试这个：

SOM网络 - 创建一个自组织地图网络，其中包含16.000个类用于输出。从来没有看到过这么多类的例子，每个类只有一个样本，但它应该有用。也许您可以尝试使用PCA来减少图像维度。继续使用您的图像（或PCA功能）训练网络。开始，我不知道，1000个时代。继续提高这个值，直到你有好的结果。

Here you can read a bit more about SOM