图像识别的起点？

Question

我有一组274幅彩色图像（每个图像都是200x150像素）。 每个图像在视觉上都是不同的。 我想构建一个可以接受一组基本图像的放大/缩小版本并确定最接近匹配的应用。

我是一名高级软件工程师，但对图像识别是全新的。 我真的很感谢从哪里开始的任何建议。

Answer 1

如果您要比较极其相似的图像，则从理论上讲足以计算两个图像之间的欧几里得距离。 图像必须具有相同的尺寸，因此通常需要重新缩放图像以这样做（通常将较大的图像按比例缩小）。 请注意，此处可能会出现混叠问题，因此请注意您的下采样算法 。 如果您的图像没有相同的宽高比，也会出现问题。

但是 ，由于它非常慢，因此在实践中几乎从未做过。 对于N幅WxH尺寸和3个颜色通道的图像，它需要进行N xW xH x 3的比较，这很快就变得不可行（考虑到许多用户可以拥有超过1000幅尺寸大于1000x1000的图像）。

通常，我们尝试将图像缩小为一个较小的数组，该数组可以更简短地捕获图像信息，称为视觉描述符 。 例如，拍摄一张1024x1024x3的图片并将其缩小为128个长度的向量。 对于参考图像只需计算一次，然后将其存储在适当的数据结构中。 然后，我们可以将查询图像的描述符与参考图像的描述符进行比较。

那么，对于长度为L的描述符，为我们的N个图像数据集计算距离的成本为N x L而不是原始的N x W x H x 3

因此，问题是要找到有效的描述符，这些描述符（a）计算便宜，并且（b）准确捕获图像。 这仍然是一个活跃的研究领域，但是我可以建议一些：

• 直方图可能是执行此操作的最简单方法，尽管直方图在任何照明变化方面都表现不佳，并且仅包含颜色信息，而没有空间信息。 在进行任何比较之前，请确保将直方图归一化
• 感知哈希适用于非常相似的图像或略微裁剪的图像。 看这里
• GIST描述符功能强大，但更为复杂，请参见此处