画像の類似度判定プログラム

R
1img = load.image( "box.jpg" )
2df = as.data.frame( img )
3df = df[3:4]
4colnames(df) <- c("input","output")
5write.csv(df,"test.csv",row.names=FALSE)
6
7img = load.image( "box2.jpg" )
8df = as.data.frame( img )
9df = df[3:4]
10colnames(df) <- c("input","output")
11write.csv(df,"training.csv",row.names=FALSE)
12
13#バックプロパゲーションによるnnetの学習
14library(nnet)
15train <- read.csv("test.csv",h=T)
16train
17plot(train)
18valid <- read.csv("training.csv",h=T)
19valid
20plot(valid)
21
22#size:中間層、maxit:くりかえし回数　size number of units in the hidden layer. Can be zero if there are skip-layer units.
23#それから，predの"type"で出力形式を指定します．通常は"class"でよい
24#predic.nnetのhelpより　If type = "raw", the matrix of values returned by the trained network;
25#if type = "class", the corresponding class
26#(which is probably only useful if the net was generated by nnet.formula). weights: 10
27
28sin1 <- nnet(data=train,output~input,size=3,maxit=2000);
29yosoku1 <- predict(sin1,valid,type="raw")
30points(train,type="b",col=2,pch=16)
31points(valid$input,yosoku1,type="b",col=4,pch=20)
32lines(valid$input,yosoku1,col=4)

一応こんな感じで、他サイトのコード組み合わせながら、2つの画像から取り出したデータから無理やりグラフを作り、testのグラフをtrainingのグラフを参考に発展させた？グラフを描くプログラムを作ったのですが、実際やりたいのは、2画像の類似度判定です、グラフは描かなくて良いのです、どうすれば類似度が数値で出せますでしょうか？

nnetの中身がよく分からないのですが（中の見方も）、引数がtest.dataのみであるから各1入力値に対して、複数の重みで重み付け、活性化、1出力値に出力してるんですかね、
ならpredictは。。？　引数はtestとtrainingの2つであるから、見本との誤差から誤差伝播してなんやらやってるんでしょうか？
ならnnetとpredictは互いに連関してないといけないと思うのですが、nnetのあとにpredictがあるし、何が何やら。。

単に誤差を求めるなら、testとtrainingのデータリストの差分でできることは分かりましたが。。