使用神经网络查找最相似的图像

Question

我正在使用Python，scikit-learn和keras。我有3000张前脸手表的图像，如下图所示： Watch_1，Watch_2，Watch_3。

我喜欢编写一个程序，它接收一张真实手表的照片，这张照片可能在不太理想的条件下拍摄，而不是上面的照片（不同的背景颜色，更暗的闪电等），并在3000个之中找到最相似的手表它。相似之处，我的意思是，如果我将一条带有薄蕾丝的圆形棕色手表的照片作为输入，那么我期待作为输出手表的圆形，深色和薄蕾丝。

最有效的机器学习算法是什么？

例如，通过关注this link，我脑子里有两种不同的解决方案：

1）使用CNN作为特征提取器，并参照输入图像比较每对图像的这些特征之间的距离。

2）在Siamese神经网络中使用两个CNN来比较图像。

这两个选项是否适用于此任务？或者您是否会提出其他建议？

您是否知道此任务的任何预先训练的神经网络（具有预先确定的超参数）？

我在StackOverflow上发现了一些有趣的帖子，但它们已经过时了：Post_1，Post_2，Post_3。

Answer 1

通过与照片类似的方式来定义你的意思是很困难的。由于它们都是手表，因此您必须决定哪些功能与您最相似（形状，颜色，数字/空白面等）。

这是一种使用tensorflow库与最近邻居库混合的方法，示例代码为：http://douglasduhaime.com/posts/identifying-similar-images-with-tensorflow.html

它至少可以让你开始。