《基于训练神经网络的图像相似度计算》 2023.11-2024.4
项目简述:构建孪生神经网络模型,依靠MNIST和CIFAR-10数据集,计算实时提取的特征向量与数据库中已知特征向量之间的距离来衡量它们的相似度,对模型进行训练及引导深度学习,设定阈值,判断特征向量是否足够相似,从而实现图像的匹配和识别。
个人工作:使用PyTorch中的预训练模型,及Python中OpenCV的接口提取图像特征并进行相似度计算,将提取的特征向量输入到距离度量模型-欧氏距离中进行比较。通过实施灰度转换、直方图均衡化、中值滤波和尺寸归一化等关键步骤,增强图像的清晰度和对比度,消除可能干扰特征提取的不必要噪声。