我开始开发一个软件，通过旅游景点的图像（例如：圣彼得大教堂，罗马斗兽场等），我应该检索哪个是现场的名称（及其相关信息） 。除了图像，我将与我一起使用图片坐标（作为元数据嵌入）。我知道我可以使用反向搜索来支持我使用反向搜索，其中我将图像作为输入，我将作为响应提供大量图像。
但是，我的建议请求是，现在拥有所有类似的图像，我可以使用哪种方法来检索照片中正确的地名。
我正在管理的第二种方法是在我的数据库中构建我自己的数据集，并执行我自己的启发式（按位置过滤图像，然后在完成过滤后对结果子集进行比较）。听取了建议和意见，并提前致谢。
答案 0 :(得分：0)
一个想法是使用图像的标题（如果可用）作为查询，检索候选列表并利用结构化知识库来推断位置名称。
如果没有与图像相关的字幕，情况会变得非常棘手，在这种情况下，您可以使用预先训练过的卷积网的fc7层输出并查询到ImageNet以检索相关图像的排序列表。由于这些图片有字幕，您可以再次使用它们来获取位置名称。