看关于图像质量评价的论文"Deep Neural Networks for No-Reference and Full-Reference Image Quality Assessment" 时,文章对于Siamese network 并没有足够的讲解,于是自己查资料多了解一下。
Siamese 网络由两个相同的神经网络结构组成,适用于处理两个输入比较类似的情况。它不是去将输入分类,而是一种区分两个输入的神经网络,它分析两个输入之间的相似性。
一种相似性度量方法。从数据中去学习一个相似性度量,用这个度量去比较、匹配新的未知类别的样本。
适用于当类别数多,但每个类别的样本数量少的情况下,进行类别的识别、分类等。
主要思想:通过一个函数将输入映射到目标空间,在目标空间使用欧式距离进行对比相似度。 在训练阶段,最小化来自相同类别的一对样本的损失函数值,最大化来自不同类别的一对样本的损失函数值。
Siamese 神经网络在寻找两个可比较事物之间的关系与相似性的任务上很受欢迎。比如签名验证,判断两个签名是否来自同一个人。这种网络有着良好的效果的原因是,两个子网络共享权重,这意味着需要训练的参数更少、需要的数据更少,过拟合的可能性更少。并且,每个子网络会生成其输入图像的特征向量,这样就可以得到具有相同语义的表示向量,它们更易于比较。