Siamese结构

siamese网络从数据中去学习一个相似性度量，用这个学习出来的度量去比较和匹配新的未知类别的样本。

Siamese结构的提出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。由于每个类别的样本太少，我们根本训练不出什么好的结果，所以只能去找个新的方法来对这种数据集进行训练，从而提出了siamese网络。

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。

给定一组映射函数 ，其中参数为W，其目的就是找一组参数W，使得当 和 属于同一个类别时，相似性度量 是一个较小的值；当 和 属于不同类别时，相似性度量 是一个较大的值1。

这个系统是用训练集中的成对样本进行训练，当 和 属于同一个类别时，最小化损失函数；当 和 属于不同类别时，最大化损失函数。其中 除了需要可微外不需要任何的前提假设，因为针对成对样本输入，这里两个相同的函数G，拥有一份相同的参数W，即这个结构是对称的，我们将它叫做siamese architecture。

网络结构

左右两边两个网络是完全相同的网络结构，它们共享相同的权值W，输入数据为一对图片（X1,X2,Y）,其中Y=0表示X1和X2属于同一个人的脸，Y=1则表示不为同一个人。即相同对为（X1,X2,0）,欺骗对为（X1,X2’,1）针对两个不同的输入X1和X2，分别输出低维空间结果为 和 ，它们是由X1和X2经过网络映射得到的。然后将得到的这两个输出结果使用能量函数 进行比较2。

损失函数定义假设损失函数只和输入和参数有关，那么损失函数的形式为2：

其中 是第i个样本，是由一对图片和一个标签组成的，其中LG是只计算相同类别对图片的损失函数，LI是只计算不相同类别对图片的损失函数。P是训练的样本数。通过这样分开设计，可以达到当最小化损失函数的时候，可减少相同类别对的能量，增加不相同对的能量。很简单直观的方法是，将LG设计成单调增加，让LI单调递减，但是要保证一个前提，不相同的图片对距离肯定要比相同图片对的距离大，那么就是要满足：

总的损失函数为：

而对于单个样本的损失函数为：

其中：，Q是一个常量。

本词条内容贡献者为:

王沛 - 副教授、副研究员 - 中国科学院工程热物理研究所