基于图像的相似性聚类

Question

基于相似度，我面临着图像聚类的问题，却不知道聚类的数量。理想情况下，我想实现类似于http://cs231n.github.io/assets/cnnvis/tsne.jpeg的东西（http://cs231n.github.io/understanding-cnn/该图片是卷积神经网络的结果，它表示所学习的组）

因为我对它们的分类不感兴趣（我不知道类别），所以我对它们的“视觉”特性最感兴趣：颜色，形状，渐变等。我发现有很多文章建议使用算法，例如DBSCAN，t-SNE甚至k-means，但是有更好的解决方案吗？有建议使用HOG转换，但老实说，不知道如何将其组合在一起。

因此，总结起来，我如何分离（在2D平面上，分为组，文件夹，等等）基于图像的颜色和形状属性？

Answer 1

t分布式随机邻居嵌入（t-SNE）是（获奖）减少尺寸的技术特别适合于高维的可视化数据集。

您可以阅读有关它的更多信息here。

与往常一样，sklearn具有非常友好的TSNE object，可以快速尝试。

我希望这对您有帮助...