Лучшая модель для оценки сходства двух изображений

Мой набор данных представлен в виде пар изображений с рейтингом 1 или 0. 1 указывает на сходство, а 0 — на различие. Модель должна быть обучена таким образом, чтобы она давала сходство между двумя входными изображениями, отсутствующими при обучении. Количество классов также не определено.

Я использовал ITML (информационно-теоретическое метрическое обучение), LSML (метрическое обучение методом наименьших квадратов) и CSML (метрическое обучение косинусному сходству). Поэтому я интерпретировал эту проблему как проблему обучения метрике.

Есть ли другой способ взглянуть на эту проблему или какие-либо другие метрические модели обучения, которые я могу использовать?


person Gautam Jain    schedule 29.05.2017    source источник
comment
Посмотрите на это. github.com/jenssegers/imagehash   -  person Zaid Bin Khalid    schedule 29.05.2017
comment
Спасибо. Это кажется интересным. Я буду смотреть в него.   -  person Gautam Jain    schedule 29.05.2017
comment
Вы можете задать вопросы, связанные с машинным обучением, на сайте Stats Stack Exchange: stats.stackexchange.com.   -  person Ryan R. Rosario    schedule 29.05.2017
comment
я тоже так сделаю   -  person Gautam Jain    schedule 29.05.2017


Ответы (1)


Я думаю, судя по вашему описанию, что ключом к вашей проблеме является извлечение признаков из изображений, на основе которых вы можете рассчитать подходящую метрику для рассматриваемой проблемы. Когда у вас есть достаточно описательные признаки, большинство мер подобия, которые вы указываете, могут оказаться полезными.

Кстати, ваши классы не являются неопределенными. Это 0 (не похоже) и 1 (похоже), поскольку вы формулируете это как задачу классификации.

person shirowww    schedule 29.05.2017
comment
На самом деле задаче дается стандартное изображение, насколько близко тестовое изображение, а затем определяется 1 или 0. Количество стандартных изображений не фиксировано. Например: Имея изображение яблока, я должен решить, является ли другое изображение яблоком. Алгоритм должен быть достаточно надежным, если рассматриваемый объект меняется на оранжевый, переобучение не требуется и он может давать разумные результаты. - person Gautam Jain; 30.05.2017