Python上的字形匹配

Question

我对项目有以下规范：

给定一个大约2000个二进制图像的数据集（我们称之为test dataset），其中每个图像对应一个字形，我想在不同的数据集上找到每个测试图像的最佳匹配（让我们称之为reference dataset）有大约6000个独特的字形。

以下是字形的一些示例：

因此，对于test dataset中的每张图片，我想在reference dataset中找到最佳匹配。

两组图像的尺寸略有不同，但这只是填充问题。 test dataset中包含的所有图像字形也位于reference dataset。

我的第一个想法是在TensorFlow中使用CNN，但是，鉴于我有大量的类（大约6000），存在大的内存问题。此外，鉴于两个数据集上的字形非常相似，使用CNN有点过分。

那么在不使用神经网络的情况下，在Python中解决这个问题最直接的方法是什么？

Answer 1

只是在头脑中。 1.为测试和参考图像生成功能。尝试使用让我们说SIFT功能。 2.您现在可以聚类聚类图像，因为您将拥有图像的矢量表示。尝试使用k均值与余弦距离 3.现在给测试图像聚类测试图像并找到它所属的聚类。将测试图像与群集中的图像进行比较。

如果不清楚，请告诉我。