github地址
通过MNIST数据训练Siamese对比损失
1 距离和度量学习
如何让一个算法更好的学习到一种度量。K近邻、K-means,SVM,相似比对,搜索相关算法,非常依赖距离度量,来对数据执行分类、聚类、搜索。
欧式、马氏(经过PCA降维A^T后的欧式度量)
欧式、余弦
归一化的余弦距离,归一化后向量相减就是近似夹角弧度
2 非线性度量学习 和 Siamese网络
3 实验MNIST 训练SIamese
1 数据集MNIST生成图片. 两个相同但是顺序不同的MNIST,正例对1,负例对0
生成MINIST数据脚本
2 Caffe参数共享基础网络LeNet5
3 结果可视化
4 用t-SNE可视化高维特征
python、sklearn。可视化FC倒数第二层