我一直在研究Google的word2vec模型。我能够为文本词语料库生成最多300维的向量。对于大数据而言，这是一个非常令人印象深刻的工具，准确性更高。
我很好奇，有没有办法使用word2vec在灰度图像上生成矢量。我确信方法是相同的，您可以根据像素强度生成矢量，然后计算余弦相似度。
我正在尝试构建一个模型来计算灰度图像上的相似距离。除了word2vec或手机上的文字之外，任何图书馆都能做到这一点吗？
Word2vec不是一个很好的图像模型，但我认为你真正需要的是一个bag of word model。在图像比较的基本方法中，您将图像转换为关键点要素列表（例如SIFT，SURF等），然后将点集合相互匹配（例如FLANN）。
图像中的大量特征和每个点表示的不确定性使得难以使用诸如word2vec的基本单层网络学习来进行图像识别。你可以在这个tutorials找到更好的例子。
3年后的更新：我还应该提到ConvNets和几个预先训练好的模型，你可以从像素中提取视觉特征。
我同意你的观点，word2vec是一个非常令人印象深刻的工具，但是这个模型是通过预测某篇文章或新闻中的下一个词来训练的。总而言之，我认为在图像上使用word2vec是没有意义的。
你可以使用skimage做一些图像测量。例如skimage-measure