我有一千张左右的交易卡，每张卡片上的图片各不相同。我还拥有一个数据库，里面保存了每张曾经印刷过的交易卡的高分辨率扫描图。我希望将这些扫描图像输入到深度学习网络中，这样当我将一张或多张卡片拿到摄像头前时，系统就能识别出我拿的是哪一张（或哪些）卡片。

看起来Jetpac可能是我开始的好地方。我有机器学习的经验，但主要是数值分析，而不是图像处理。到目前为止，我看到的例子都是人们拍摄他们想要识别的物品，然后能够识别出它。但是，我能否直接将一个文件夹中的图像作为训练数据导入呢？

最后，我的目标是在一组联网的树莓派2上实现这个系统，这些设备并行工作。我不确定Jetpac是否明确支持分布式计算，但我想我可以将视频源分成多个源，并将每个源分别输入到在不同树莓派上运行的Jetpac实例中。

我对这个问题的思考方式是否正确？是否有更实用的方法？感谢任何帮助！！

编辑：为了避免我的问题听起来过于宽泛，我的最终问题是Jetpac（或任何其他深度学习库）是否能够接受一组静态图像，并训练识别出视频源中的这些图像实例。

回答：

你可以使用深度学习来完成这个任务，但除非你处理的是一些非常特殊的情况，否则不建议这样做。对于你的任务，你希望在另一张图像中找到特定的图像，而不是像通常的学习任务那样，从一组图像中学习一个抽象的类别（例如狗的外观）。

有很多已知的、快速且准确的图像处理算法可以解决这个问题，这些算法都是基于从原始图像中提取特征，并在未见过的图像中检测特征。你可以在这里看到使用OpenCV的具体实现这里，或者通过阅读关于特征检测的更多信息来深入了解。