傳統的分類模型需要確切知道每個樣本的標簽屬于那個類，而標簽的數量通常相對較少。在類別數量特別對，標簽相對少的情況下，有些類別可能根本就沒有標簽，比如人類第一次見到的生物物種往往是叫不出來名字的，這時進行分類可以考慮孿生網絡（Siamese Network）。孿生網絡不僅能從給定的數據中學習一個相似性的度量，而且還能利用所學的度量從給定的數據中學習一個相似性度量，而且還能利用所學的度量去比較和匹配新樣本以確定類別。孿生網絡的基本思想時構造一個函數將輸入映射到目標空間，在目標空間通過簡單的距離（例如，歐式距離，cos）計算相似度。

孿生網絡本質上是一種判斷兩個輸入模式是否相似的通用框架，優點在于對領域知識的依賴性較低。從框架圖可以看出，孿生網絡有兩個輸入X1和X2(比如兩幅圖像)他們分布同時經過兩個結構相同、權值綁定的雙胞胎子網絡，得到低維表示GW(X1)和GW(X2)，最后輸出他們之間的相容性，用L表示：

L=Ew(X1,X2)=||Gw(X1)-Gw(X2)||

由于雙胞胎自網絡計算的是相同的函數，所以能保證兩個非常相似的輸入不會被各自的自網絡映射到目標空間中非常不同的位置，從而近似維持他們在輸入空間的“語義”距離。此外，如果兩個輸入不太相似，屬于不同的類比，雙胞胎子網絡應該輸出兩個差別較大的結果。
孿生網絡已經在人臉驗證和識別中獲得了非常成功的應用，但注意在進行識別和分類的時候，孿生網絡通常還需要和其他模型聯合使用。

總結

以上是生活随笔為你收集整理的孪生网络SiameseNet的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。