在我正在开发的应用程序中，我有大约 5000 个产品标签图像。（每个产品一个标签）。

我的应用程序的一个功能是，用户可以使用他的相机拍照，并与系统注册的产品标签进行可能的匹配。

因为最初，我的系统每个产品只有一个样本，所以我决定采用传统的计算机视觉技术。我设法使用特征提取和描述符匹配来实现这一点。（使用 OpenCV SIFT 和 FLANN 技术引用此：https ://github.com/kipr/opencv/blob/master/samples/cpp/matching_to_many_images.cpp ）

现在我正在考虑如何通过结合 CNN 或深度学习技术来提高准确性，因为当用户批准匹配时，它会逐渐为产品添加更多标签样本。

是否可以构建一个结合计算机视觉技术和 CNN/深度学习技术的混合图像匹配系统？

是否有任何类似的服务已经可用作为服务？