在python中使用卷积神经网络（CNN）比对两张图片的相似性

在python中，要使用卷积神经网络（CNN）比对两张图片的相似性，可以使用预训练的模型（如VGG16或ResNet）提取图像的特征表示，并计算特征之间的相似度。

以VGG16模型为例：

import numpy as np
from keras.applications.vgg16 import VGG16, preprocess_input
from keras.preprocessing import image

# 加载预训练的VGG16模型
model = VGG16(weights = 'imagenet', include_top = False)

# 定义函数，用于提取图像的特征向量
def extract_features(img_path):
    img = image.load_img(img_path, target_size = (224, 224))
    x = image.img_to_array(img)
    x = np.expand_dims(x, axis=0)
    x = preprocess_input(x)
    features = model.predict(x)
    return features.flatten()

# 比对两张图像的相似性
img1_path = 'path/image1.jpg'
img2_path = 'path/image2.jpg'

img1_features = extract_features(img1_path)
img2_features = extract_features(img2_path)

# 计算特征之间的相似度（例如余弦相似度）
similarity = np.dot(img1_features, img2_feature