我有一个包含大约 30,000 张图片的数据库。它们都是不同的对象。它们都是从某个角度来看的，图片本身大小相同，但物体大小不同。我想构建一个系统，您可以使用新图片进行查询，并且它将返回它的最近邻居，因为它足够相似。查询到的图片看起来会和原图比较相似，可能会有一些水平和/或垂直的平移，有点不同的闪电，有时会在不同的地方贴上贴纸。一些查询的对象不会在集合中，也需要返回。有什么好的技术可以尝试，有什么缺点？获取每个对象的多张图片是不可行的。这里有一些想法，我想知道是否还有更多尝试：

• 原始数据上的欧几里得距离（非常敏感但快速）

• 使用传统的关键点匹配，不幸的是线性匹配很慢

• 使用（去噪）自动编码器进行低维特征表示，在这个编码空间上进行线性匹配（最小欧几里得距离，至少更快的线性搜索）

• 学习 siamese network 进行线性匹配（不知道这有多快，但似乎也很慢）

• 将深度二进制自动编码器学习到 28 位，通过使用这些位作为内存映射到候选解决方案列表，可以非常快速地缩小搜索空间以执行上述方法之一

还有其他想法吗？