图像配准参考论文笔记（4）——孪生网络

文章：《Learning to Compare Image Patches via Convolutional Neural Networks》

代码：https://github.com/szagoruyko/cvpr15deepcompare

 

一、介绍

之前图像配准阶段衍生的一个问题是如何比较两个图像块之间是否相似，看了资料之后觉得采用孪生网络还不错。Siamese网络是一种相似性度量方法，当类别数多，但每个类别的样本数量少的情况下可用于类别的识别、分类等。传统的用于区分的分类方法是需要确切的知道每个样本属于哪个类，需要针对每个样本有确切的标签。而且相对来说标签的数量是不会太多的。当类别数量过多，每个类别的样本数量又相对较少的情况下，这些方法就不那么适用了。主要思想是通过一个函数将输入映射到目标空间，在目标空间使用简单的距离（欧式距离等）进行对比相似度。在训练阶段去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堆样本的损失函数值。