我们有来自两张图像的数字特征数据集，我们想检查这些图像是否匹配或仅使用这些特征。基本上我们有这些列：
我们想要预测图像 A 是否匹配图像 B (y=1) 或不匹配 (y=0)。所以这是一个特征匹配问题。
主要用例是使用此框架进行人脸识别： BERND HEISELE
那么有没有针对这种情况而闻名的神经网络架构（我们有 700 万个带注释的训练集）？
注意：我们没有任何图像，我们只有数字特征。
据我了解，您的数据集是成对的图像和它们配对的二进制分类？
有一些模型使用了一种名为Siamese Neural Networks的架构，它们正是用于确定相似度的任务。
您可以从阅读以下文章开始：Learning to Compare Image Patches via Convolutional Neural Networks。他们正在使用连体架构来比较不同的图像补丁（类似于您所描述的）：
我知道您没有图像，只有功能。
最后还是二分类（同对象/不同对象）。
如果两个对象具有相同的结构，则应应用 Siamese Neural Networks 概念，即相同的网络在决策层之前对两个对象进行预处理。
这个网络不需要是 CNN。它可以像完全连接的神经网络一样简单。
您只需要确保两个网络始终完全相同（共享相同的权重）。