问题描述
我需要设计一个反向标志搜索引擎，通过该引擎将查询标志与数据库中最相似的标志相匹配。正是通过这种方式，我希望将查询徽标与其关联的公司名称相匹配。
我的数据库包含数十万到数百万家公司。对于每家公司，大约有 10 个与之相关的徽标。这种重复性导致了徽标设计的波动，应该会提高准确率。
我曾尝试实现感知散列，但它根本无法随着我的数据库大小和我数据库中的图像类型而扩展。它产生了太多的误报。所以我的问题是，还有其他值得探索的替代方案吗？
我计划研究特征检测器/描述符，例如 SIFT、SURF、ORB 等，看看它们是否能提供更好的结果。我可以使用预先训练的神经网络来提出描述符吗？我有哪些选择？
请注意，我只是想知道哪些算法可能在此用例中表现良好。我意识到让这样的反向搜索引擎具有可扩展性会很复杂，但这是我打算改天担心的事情。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）