孪生（siamese）模型训练及测试

小爬菜

已于 2024-02-23 13:30:09 修改

阅读量1.4k

点赞数 11

分类专栏： # 爬虫笔记文章标签： python windows 爬虫后端目标检测深度学习图像处理

于 2024-01-18 15:19:11 首次发布

本文链接：https://blog.csdn.net/qq_49268524/article/details/135675169

版权

爬虫笔记专栏收录该内容

14 篇文章 8 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文记录了使用Siamese模型的全过程，包括从GitHub下载源码，搭建Python环境，创建特定格式的训练集，利用小工具快速制作数据，以及模型的训练和测试。详细介绍了每个步骤，适合初学者参考。

摘要由CSDN通过智能技术生成

孪生（siamese）模型训练集制作及测试模型（记录一下，大佬勿喷）

一、环境搭建

1、从github上下载源码 https://github.com/bubbliiiing/siamese-pytorch/tree/bilibili

2、根据大佬的步骤搭建环境即可（很简单，这里就不展开了）

二、创建自己的训练集

1、训练集文件格式

- image_background
	- character01
		- 0709_01.png
		- 0709_02.png
		- ……
	- character02
	- character03
	- ……

2、使用小工具快速制作数据集

在这里插入图片描述

3、开始训练自己的数据集

在这里插入图片描述

4、模型测试

在这里插入图片描述

三、总结

1、搭建好环境

2、制作训练集

3、开始训练

4、测试模型效果

5、小工具下载地址：下载地址

只是记录一下自己使用过程，如有不妥之处，还望大佬们嘴下留情，谢谢！！！

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

小爬菜

关注关注

11
点赞
踩
24

收藏

觉得还不错? 一键收藏
7
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

订阅专栏

Siamese网络代码详解 && 训练自定义数据集 && 模型推理

认真努力，做一只会飞的毛毛虫。

07-07

3947

开门见山，Siamese网络结构如下所示：模型训练数据集的准备：无论是训练自定义数据集还是手写字公开数据集，文件位置均为datasets\images_background\下。接着就可以开始训练了，在训练之前，可以阅读train.py脚本，修改相应的batchsize、预训练权重的启用和存放目录以及学习率等，不过通常情况下不改也没事。需要注意的有两点：训练过程如下图所示：推理训练好的模型文件在.\logs\中存放，我们修改siamese.py文件中的model_path路径，其他的不动

孪生（siamese）网络的训练（keras 和 pytorch）

hushunda博客

04-21

5613

先放资料论文 pytorch教程官网例子孪生网络相关资料 1.最初的论文论文Learning to Compare Image Patches via Convolutional Neural Networks 论文分析https://blog.csdn.net/shenziheng1/article/details/81226123 孪生网络的论文很多，没有太多时间阅读，之...

7 条评论您还未登录，请先登录后发表或查看评论

深入掌握Python实现Siamese网络在实时视觉跟踪中的应用

最新发布

weixin_34945060的博客

08-29

1341

本文还有配套的精品资源，点击获取简介：本项目聚焦于使用Python进行深度学习，特别着重于Siamese网络在实时视觉跟踪中的实现。通过研究Siamese网络的结构和工作原理，我们构建并训练模型以比较不同输入的相似性，并将其应用于视频序列中目标物体的追踪。Python的丰富科学计算库和深度学习框架，如TensorFlow、PyTorch，为实现这一技术提供了支持。项目中包...

训练一个Siamese网络

yang_502的博客

05-26

5828

关于Siamese网络 Siamese网络最早是94年NIPS的文章《Signature Verification using a" Siamese" Time Delay Neural Network》提出用来做签名验证的一个网络，大家不要被名字唬到，其本质就是一个多分支参数共享的网络结构。在05年CVPR上《Learning a Similarity Metric Discrimi

人工智能(pytorch)搭建模型14-pytorch搭建Siamese Network模型(孪生网络)，实现模型的训练与预测

weixin_42878111的博客

06-26

6762

大家好，我是微学AI，今天给大家介绍一下人工智能(pytorch)搭建模型14-pytorch搭建Siamese Network模型(孪生网络)，实现模型的训练与预测。孪生网络是一种用于度量学习（Metric Learning）和比较学习（Comparison Learning）的深度神经网络模型。它主要用于学习将两个输入样本映射到一个共享的嵌入空间，并衡量它们之间的相似性。孪生网络通常由两个相同的子网络组成，这两个子网络共享参数和权重。每个子网络将输入样本分别映射到嵌入空间中的特征向量。这些特征向量可以

Siamese代码解析之训练及测试

weijianm的博客

12-09

907

记录下代码，分享给大家。主要目的：以后和别人相亲的时候能有底气地多给对方一篇博客作为彩礼。代码比较短，但还是花了一段时间理解，还没测试，不知道有没有bug。参考链接：PyTorch 实现孪生网络识别面部相似度-PyTorch 中文网 https://www.pytorchtutorial.com/pytorch-one-shot-learning/#i-4 #!/usr/bin/e...

Siamese网络训练和预测guide

10-23

唯一的一份在windows上进行Siamese网络训练和预测的指导帮助你少走弯路

Siamese孪生网络-完整代码-基于Tensorflow实现，已跑通

12-24

5. **评估与测试**：模型训练完成后，可能包含评估和测试部分，用于验证模型在未见过的数据上的表现。这可能涉及到构建一个测试集，计算预测的准确性和其他性能指标。 6. **示例与应用**：压缩包可能还包含一些示例...

孪生网络-基于Pytorch实现Siamese孪生神经网络-支持图片相似度比较-附项目源码-优质项目实战.zip

05-28

5. **评估与测试**：训练完成后，可以使用测试集评估模型性能，例如计算平均精度或绘制ROC曲线。通过这个项目实战，你可以深入理解Siamese网络的实现细节，并学会如何应用PyTorch解决实际问题。不仅能够提升编程...

Siamese-Network-for-One-shot-Learning:训练神经网络的项目，仅举一个例子

05-24

使用基于内核的激活功能为一击学习改善暹罗网络（）人类通过很少的示例学习新事物，例如，一个孩子可以从一张图片中概括“狗”的概念，但是机器学习系统需要大量示例来学习其功能。特别是当受到刺激时，人们似乎能够快速理解新概念，然后在将来的感知中认识到这些概念的变体。机器学习作为一个领域已经在各种任务（例如分类，Web搜索，图像和语音识别）上取得了巨大的成功。但是，这些模型通常在低数据情况下效果不佳。 ' 这是一次射击学习背后的主要动机。用较少的示例训练模型，但无需大量重新训练即可将其推广到不熟悉的类别。引文如果您发现我们的代码有用，请考虑使用bibtex引用我们的工作： @incollection{jadon2021improving, title={Improving Siamese Networks for One-Shot Learning Using Kerne

keras-siamese用自己的数据集实现详解

09-16

主要介绍了keras-siamese用自己的数据集实现详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

测试训练好的siamese网络

村民的菜篮子

06-21

1578

在这篇博客中https://blog.csdn.net/sinat_33486980/article/details/91440461新训练了单分支的siamese网络。参考了论文：Online Multi-Object Tracking with Historical Appearance Matching and Scene Adaptive Detection Filtering 结...

【深度学习】孪生网络（Siamese Network）的模式和训练过程

李响

06-02

5632

【深度学习】孪生网络（Siamese Network）的模式和训练过程文章目录 1 概述 2 Siamese network 孪生神经网络 3 孪生神经网络和伪孪生神经网络分别适用于什么场景呢？ 4 细节 5 网络训练 6 人脸检测—Siamese Network 1 概述孪生神经网络（Siamese neural network），又名双生神经网络，是基于两个人工神经网络建立的耦合构架。孪生神经网络以两个样本为输入，其两个子网络各自接收一个输入，输出其嵌入高维度空间的表征，通过计算两个表征的距离，例

【模型复现】孪生神经网络模型 Siamese-Networks 快速复现

m0_60673947的博客

04-25

946

Siamese-Networks 模型快速复现 01 模型详情模型简介：在本文中，我们探索了一种学习孪生神经网络的方法，该方法采用独特的结构对输入之间的相似性进行自然排序。一旦网络经过调整，我们就可以利用强大的判别特征来将网络的预测能力推广到新数据，以及来自未知分布的全新类别。使用卷积架构，我们能够获得超过其他深度学习模型的强大结果，在一次性分类任务上具有接近最先进的性能。关键词：孪生神经网络学习、卷积架构应用场景：文本分类、文本分类结构：论文地址： ht.

siamese模型码详解（每一句代码都有解释！！！）

li15006474642的博客

02-18

3515

最近在研究Siamese模型来进行文本相似度的计算，今天就做一期代码详解，每一行的代码都会做出相应的解释，对于初学LSTM的人来说读懂代码是非常有必要的，Siamese模型就是将两个句子（训练数据）通过embeding层（word2vec）分别输入到LSTM进行运算，并共享参数，利用损失函数不断的进行正向传播和反向传播来优化参数，最终达到成为一个比较优秀的模型原理就不在细说了，这里主要是把代码解...

Siamese 详解

热门推荐

calvinpaean的博客

11-15

1万+

本博客引用： https://blog.csdn.net/ybdesire/article/details/84072339 https://blog.csdn.net/u011808673/article/details/84025349 摘要 Siamese网络用途，原理，如何训练？背景在人脸识别中，存在所谓的one-shot问题。举例来说，就是对公司员工进行人脸识别，每个员工只给你一张照...

SiamMAE复现记录，训练我们自己的数据集。AI学习从复现开始！

quan_app的博客

07-06

1329

论文中提到使用的是共享权值的encoder，所以此处可直接使用MAE的encoder，由于MAE是单分支的，这里需要更改modeling_pretraining.py代码，将网络中间稍作修改。而第二个分支encoder的输入为未被掩码的patch，这里我没有按照论文的95%掩码率，使用的仍是MAE原始的75%掩码率，即输入256个patch，输出不变，即[1， 256， 768]最后我们要训练我们自己的数据集，文章中是图像重建任务，与MAE不同，输入端是两张图片，所以，dataset这边也需要改一下。

siameserpn的预训练alexnet模型

07-29

SiameseRPN是一种用于目标跟踪的方法，结合了Siamese网络和Region Proposal Network（RPN）。AlexNet是指使用了卷积神经网络（CNN）结构的模型。预训练的SiameseRPN模型具有以下特点： 1. 目标跟踪：SiameseRPN主要用于目标跟踪任务，通过将目标图像和当前帧图像输入网络中，该网络可以提取目标特征，并在当前帧中寻找与目标相似的区域。这使得SiameseRPN在目标跟踪任务中具有较好的性能。 2. 预训练：预训练是指在大规模图像数据集上进行网络训练，以获得较好的特征提取能力。对于SiameseRPN的预训练模型，通常使用大规模图像数据集（例如ImageNet）进行训练。预训练模型利用了大量数据的信息，能够较好地提取图像特征，从而在目标跟踪任务中取得较好的表现。 3. AlexNet结构：SiameseRPN采用了AlexNet作为其基础网络结构。AlexNet是一个经典的深度卷积神经网络模型，由多个卷积层和全连接层组成。它在ImageNet图像识别大赛上取得了较好的成绩。SiameseRPN结合了AlexNet的强大特征提取能力和目标跟踪的需求，使得模型可以更好地适应目标跟踪任务的要求。总之，SiameseRPN的预训练AlexNet模型是基于AlexNet结构进行预训练的目标跟踪模型。通过预训练和结构设计，该模型能够较好地提取图像特征，用于目标跟踪任务，具有较好的性能和适应性。