卷神经网络计算图片相似度余弦相似度代码

以下是使用卷积神经网络计算图片相似度的余弦相似度代码：

import numpy as np
import cv2
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input
from keras.models import Model
from scipy.spatial.distance import cosine

# 加载预训练的VGG16模型
base_model = keras.applications.vgg16.VGG16(weights='imagenet')
model = Model(inputs=base_model.input, outputs=base_model.get_layer('fc2').output)

# 加载图片并进行预处理
img_path = 'test.jpg'
img = image.load_img(img_path, target_size=(224, 224))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)

# 获取图片的特征向量
features = model.predict(x)

# 计算两张图片的余弦相似度
img_path2 = 'test2.jpg'
img2 = image.load_img(img_path2, target_size=(224, 224))
x2 = image.img_to_array(img2)
x2 = np.expand_dims(x2, axis=0)
x2 = preprocess_input(x2)
features2 = model.predict(x2)

similarity = 1 - cosine(features[0], features2[0])
print('图片相似度为:', similarity)

需要注意的是，这段代码中使用了Keras中的VGG16模型来提取图片的特征向量，可以根据实际需求选择不同的模型。同时，使用余弦相似度来计算图片相似度可以更好地处理图片特征向量之间的关系。