Python 字形匹配
Glyph matching on Python
我有以下项目规格：
给定一个包含大约 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（让我们称它为 reference dataset)，它有大约 6000 个独特的字形。
以下是一些字形示例：
因此，对于 test dataset 中的每张图像，我想在 reference dataset 中找到最佳匹配。
两组图像的尺寸略有不同，尽管这只是填充问题。并且 test dataset 中包含的所有图像字形也在 reference dataset.
中
我的第一个想法是在 TensorFlow 中使用 CNN，但考虑到我有大量 类（大约 6000）存在很大的内存问题。此外，考虑到两个数据集上的字形非常相似，使用 CNN 有点矫枉过正。
那么在 Python 中不使用神经网络解决这个问题的最直接方法是什么？
就在脑海中。
1. 为测试和参考图像生成特征。尝试使用 SIFT 功能。
2. 您现在可以对图像进行聚类，因为您将拥有图像的矢量表示。尝试使用带余弦距离的 k 均值
3. 现在给定一个测试图像集群测试图像并找到它所属的集群。将测试图像与集群中的图像进行比较。
如有不明之处请告诉我。
我有以下项目规格：
给定一个包含大约 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（让我们称它为 reference dataset)，它有大约 6000 个独特的字形。
以下是一些字形示例：
因此，对于 test dataset 中的每张图像，我想在 reference dataset 中找到最佳匹配。
两组图像的尺寸略有不同，尽管这只是填充问题。并且 test dataset 中包含的所有图像字形也在 reference dataset.
我的第一个想法是在 TensorFlow 中使用 CNN，但考虑到我有大量 类（大约 6000）存在很大的内存问题。此外，考虑到两个数据集上的字形非常相似，使用 CNN 有点矫枉过正。
那么在 Python 中不使用神经网络解决这个问题的最直接方法是什么？
就在脑海中。 1. 为测试和参考图像生成特征。尝试使用 SIFT 功能。 2. 您现在可以对图像进行聚类，因为您将拥有图像的矢量表示。尝试使用带余弦距离的 k 均值 3. 现在给定一个测试图像集群测试图像并找到它所属的集群。将测试图像与集群中的图像进行比较。
如有不明之处请告诉我。