用于图像相似性的连体网络

Siamese Network For Image Similarity

在哪里可以找到实施孪生网络以执行图像相似性并从数据集中检索最相似图像的详细信息

很难获得所有类的大量图像数据，因此对于大多数类。 SIFT 或 ORB 似乎在某些类上表现不佳。

我的项目是根据阿联酋各州区分车牌。在这里我上传了一些示例图片。

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数据。深度网络是出了名的数据饥渴，当数据稀缺时它们的性能很差。也就是说，有些方法可能对您有所帮助：

迁移学习
数据扩充

在迁移学习中，你使用一个已经训练过的深度网络（例如 ResNet50），它是为其他任务（例如 ImageNet）训练的，修复除了最后几层中的权重之外的所有网络权重并训练您感兴趣的任务。

数据增强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。每次您想要使用特定的训练图像时，您都会应用一组不同的具有不同参数的操作。通过这种方式，您可以生成新的训练示例，从而扩大您的训练集。