假设我想构建一个工具，能够在0到1的范围内告诉我两张图像之间的相似度。
我可以下载预训练的图像模型，比如vgg16，移除其最后一层（分类器），使用预训练模型将图像转换为特征向量，最后使用余弦相似度等方法计算向量之间的相似度。
该方法在这里有更详细的解释：https://mc.ai/find-more-like-this-product-using-transfer-learning/
… 但如果我想使用自己的数据集来增强这个工具呢？更具体地说，我有一个数据集，其中人类判断两张图片是相似的（1）还是不相似的（0）：
我想知道，您是否有办法将此整合进来以增强相似度评分工具？非常感谢。:)
回答：
您可以使用基于VGG-16的孪生网络。该模型将使用您标记的图像进行训练，相似的图像将以1的相似度进行训练，不同的图像将以0的相似度进行训练。
可以使用三元组损失来最小化相同对象之间的差异性。
这里有一个在keras中的实现：https://medium.com/@prabhnoor0212/siamese-network-keras-31a3a8f37d04
使用您的数据集进行训练的过程：
假设您有一个简单的分类数据集。因此，您有一个苹果类，一个猫类，等等。
- 首先，您需要确保同一类别中的图像非常相似。
（如果您将汽车和卡车放在同一类别中，并期望它们有1的相似度分数，这将使您的网络表现不佳）
-
一旦您有了数据集，您只需生成图像对，如果两张图像来自同一类别，标签将为1。如果不是，标签将为0。
-
现在，只需使用三元组损失和VGG孪生网络训练模型即可。
您可以修改代码示例，甚至可以找到许多共享代码的资源。
