我有 50 个人的数据库，它是 250 张图像（5 张图像/人），我需要在图像之间执行一对多的匹配以识别人。
所以，我将图像分为两部分（一个用于训练，一个用于测试）
例如，如果我们说第一个文件夹包含 100 张图片（2 张图片/人），第二个包含 150 张图片（3 张图片/人）
这个划分正确吗？如果正确，我如何将文件夹 1 中的每个图像与文件夹 2 中的所有图像（将包含 3 个相似图像）进行匹配，并在从文件夹 2（给出最大匹配百分比）并最终返回此名称之后获得更好的结果图片 ？
我需要在 matlab 中执行此操作
拜托，我需要很多建议和咨询，任何人都在这个领域有很好的知识。
这是我的图像示例：
问候
每人5张图片真的很少。在这种情况下，尽可能多地为训练集使用数据是有意义的。这意味着每个人随机选择 4 张图像进行训练，一张进行测试。您应该多次使用此过程，以便拥有多个训练集/测试集组合。
如果您可以访问 Matlab 的统计工具箱，请查看cvpartition功能。
如果没有，那么您应该对所有人进行循环，并为每个人使用该randperm函数生成一个随机打乱的图像索引列表。然后你可以把第一个索引对应的图像添加到你的测试集中，剩下的放到你的训练集中。或者，您可以将 2 张图像放入测试集中，或者您喜欢的任意数量。一般来说，训练集应该大于测试集。
您应该多次生成训练集和测试集，每次调用rng不同的值，以重置随机数生成器的种子。如果您生成 10 个训练/测试集对，那么您将评估您的算法 10 次并获得 10 个准确度值。您可以从中计算误差线，或者您可以使用假设检验与其他算法进行比较。
至于如何对图像进行实际分类，这是一个非常独立的问题，答案取决于图像中的内容。您发布的那张图片上到底是什么？