视频之初步？——图像的测度？？

说起测度，大概不少大佬都能讲得头头是道，其实也无非就几种，其他都类似，最简单的就是欧氏距离和余弦距离，这恐怕是最常用和常见的了，相信大多数都知晓，这就足够了。

看了下相关性的东西，我们知道在信号处理中有这个东西，

简而言之就是信号的时移前后具有相似的情况：公式如下

将一个x换成y即可，那么这就是两个信号的相关性。

因此，我今天看的以图搜图的主要内容即是与此类似，我觉得这种应用于人脸1:1识别没有问题，但在1：N识别或者相似性分析时估计有点慢，速度不行。因此在大规模搜图中必须采取一种策略。目前我还不知道这种策略，继续查查资料。

寡人亲自测试下这种情况下的人脸1:1识别效果如何：但这种只能说有一点点用，实际上还是有待提高

这明显是俩人啊，竟然91%了。【特征提取采用的VGG16预训练模型】

这俩还可以理解。

依旧回归主题，韩国美女热舞：

这种搜索方法其实没用策略，不妥。

下面给随机一个图：这也能达到85%，

也许你会说设置90%还是可以的。但我觉得这种情况下，直接像素来做效果同样不差

下面直接拿像素做：然而我被自己打脸了，同样的做法但都是差不多接近于1，说明上述方法有一定的效果。但真的很微小。

如果谁做出来不妨告诉我一下，多谢。明天再更新，回家睡觉

持续更新。。。

20200316-00:15更新

关于测度问题，下面细说一下常用的测度：

1-余弦测度，就是余弦公式，可以直接用sklearn中的现成函数调用，也可自己写

这里必须要清楚一个概念区别，余弦相似度和余弦距离，先不要混用，余弦相似度肯定是[-1,1]，那么余弦距离肯定是正数[0,2],这从余弦公式也可推断出来。余弦距离=1-余弦相似度，这个可以从sklearn中源码看出，我可能就是看源码的高手，哈哈

很容易理解，距离越小，相似度越大，距离为0，那么相似度为1.

2-曼哈顿距离，就是L1距离，坐标的可行直线距离【来源城市街区距离】，两向量直接相减取绝对值之和。

3-欧式距离，这个不必我说了，自己玩吧。

 

另外有相关问题可以加入QQ群讨论，不设微信群

QQ群：868373192 

语音图像深度学习群