我想查找类似于其他图像的图像。所以，研究后，我发现两种方法首先在两个由它的属性表示图像像查找相似图片
length = full pattern = check color = blue
但这种方法的局限是，我将无法得到详尽的数据集的全部功能标记。
我发现的第二种方法是提取特征并进行特征映射。 所以我决定使用caffe深层卷积神经网络，通过使用任何现有的模型，我可以学习特征，然后执行特征匹配或其他操作。我只想提出一个普遍的建议，其他的方法可以是很好的，值得一试。而且，因为我刚刚开始与caffe，所以任何人都可以给出一个通用的指导方法来解决caffe的问题？ 在此先感谢
我看着phash只是好奇，它会发现图像是相同的，就像有轻微的强度变化和一些其他变化wiill它也可以为同样的类型（语义）像t恤与蓝色和红色条纹它会给黑色和白色条纹类似，并会考虑像衬衫的长度，领风格等
这是事实证明，这是真的，使用提取的特征之间的欧氏距离ConvNets对于同一类的图像更接近，而对于不同类的图像则更接近 - 但了解您寻找的是什么样的相似性非常重要。
可以定义许多类型的相似性度量，并且您使用的特征类型（在ConvNets的情况下，它被训练的数据类型）会影响您将获得的类似图像的类型。例如，也许给狗的图像，你想找到其他的狗的照片，但不是特定的那只确切的狗，或者，你可能有一张教堂的照片，你想找到另一个完全相同的教堂的图像，但从不同的角度 - 这是两个非常不同的问题，用不同的方法可以用来解决它们。
您可以查看一种特定类型的卷积神经网络，即Siamese网络，它是为了学习两张图像之间的相似性而构建的，给出了具有相同/不同名标签的图像对的数据集。您可以在Caffe中查找此方法的实现here。
一种不同的方法，是采取上训练ImageNet数据（see here for options）一个ConvNet，和使用Python/MATLAB接口进行分类的图像，然后提取第二到最后层，并用其作为该图像的表示。现在你可以把这些表示的欧氏距离，这将是你的相似性度量。
与Caffe无关，您还可以使用OpenCV（an example tutorial of such method）等开放源代码库中包含的“老派”功能匹配方法。