根据相似度对图像进行聚类

Question

我面临着基于相似性的图像聚类问题，而不知道聚类的数量。理想情况下，我想实现类似于此http://cs231n.github.io/assets/cnnvis/tsne.jpeg的东西（http://cs231n.github.io/understanding-cnn/这张图片是卷积神经网络的结果网络，它代表它学到的群体）

因为我对它们的分类不感兴趣（我不知道类别），所以我最感兴趣的是它们的“视觉”属性：颜色、形状、渐变等。我发现很多文章建议使用 DBSCAN、t-SNE 或甚至是 k 均值，但有更好的解决方案吗？有人建议使用 HOG 变换，但说实话，不知道如何将它们缝合在一起。

那么，总而言之，如何根据图像的颜色和形状属性将图像分离（在 2D 平面上，分组、文件夹等） ？

Answer 1

t-SNE 实际上非常适合您想要做的事情。

t-分布式随机邻域嵌入 (t-SNE) 是一种（获奖）降维技术，特别适合高维数据集的可视化。

你可以在这里读更多关于它的内容。

一如既往，sklearn 有一个非常用户友好的TSNE 对象，可以快速尝试。

我希望这有帮助...