在哪里可以找到实现暹罗网络以执行图像相似性并从数据集中检索最相似图像的细节
很难获得所有类别的大量图像数据,因此大多数类别只能使用少量图像,例如某些类别为10张图像。 SIFT或ORB在某些类上的表现似乎很差。
我的项目是根据阿联酋的状态区分车牌。在这里,我上传了一些示例图像。
答案 0 :(得分:0)
当训练数据很少时,无论听起来多么烦人,最好的方法通常是收集更多。深度网络臭名昭著的数据饥渴,而当数据稀缺时,它们的性能很差。这就是说,有些方法可能会对您有所帮助:
在转移学习中,您需要使用已经训练有素的深层网络(例如ResNet50),它已针对其他任务(例如ImageNet)进行了训练,除了最后几层的权重以外,还固定了其所有网络权重,并就任务进行了训练感兴趣。
数据增强会以某种可预测的方式稍微修改您的训练数据。在您的情况下,您可以将图像旋转一个小角度,应用透视变换,缩放图像强度或稍微改变颜色。每次您要使用特定的训练图像时,都使用不同的参数应用这些操作的不同集合。通过这种方式,您可以生成新的训练示例,从而扩大训练范围。