基于Resnet50和KNN的ImageSimilarity：通过PCA降维在数据集中搜索与新图像相似的图片。

简介：
本项目利用ResNet50提取图像特征，并采用PCA降维技术优化特征空间。结合KNN算法，在大规模数据集内高效检索与查询图像高度相似的图片，实现精准匹配功能。 为了在数据集中查找与新图像相似的图片，并使用ResNet50+KNN模型来实现这一目标，我们首先需要解决“维度灾难”问题。为此，采用PCA（主成分分析）降低特征维数。 从keras创建一个未包含顶层的Resnet50模型，在ImageNet上进行训练后获取卷积特征输出而非图像分类概率。对于数据集中的每个图片，提取其2048维的卷积特征作为输入向量。接着使用KNN（最近邻算法）来拟合这些从数据集中提取出来的特征，并计算测试新图与现有数据库中每张图片之间的距离，以此衡量它们的相似度。 为了进一步优化性能并减少维度问题的影响，我们将PCA应用于所提取的卷积特征上以减小其尺寸。最后再使用KNN算法对经过降维处理的新特征进行拟合操作。