关于孪生网络的简单学习记录
1. Siamese network(孪生网络)概念：
孪生神经网络
- 如图所示是一个孪生网络的一般架构，Siamese network就是“连体的神经网络”，神经网络的“连体”是通过共享权值来实现的，共享权值就是左右两个神经网络的权重一模一样，在代码实现的时候，甚至可以是同一个网络，不用实现另外一个，因为权值都一样。对于siamese network，两边可以是lstm或者cnn，都可以。
- 如果左右两边不共享权值，而是两个不同的神经网络，则叫做pseudo-siamese network，叫做伪孪生神经网络。
2. 孪生网络用途：
- 孪生神经网络有两个输入（Input1 and Input2）,将两个输入feed进入两个神经网络（Network1 and Network2），这两个神经网络分别将输入映射到新的空间，形成输入在新的空间中的表示。通过Loss的计算，评价两个输入的相似度。
- 孪生神经网络用于处理两个输入"比较类似"的情况。伪孪生神经网络适用于处理两个输入"有一定差别"的情况。比如，我们要计算两个句子或者词汇的语义相似度，使用siamese network比较适合；如果验证标题与正文的描述是否一致（标题和正文长度差别很大），或者文字是否描述了一幅图片（一个是图片，一个是文字），就应该使用pseudo-siamese network。也就是说，要根据具体的应用，判断应该使用哪一种结构，哪一种Loss。
- 具体使用实例有：
1）词汇语义相似度分析，QA 中 question 和 answer 的匹配
2）手写体识别也可以用 Siamese Network
3. Triplet Network（三胞胎网络）
-
Triplet Network 叫三胞胎网络，输入是三个，一个正例+两个负例，或者一个负例+两个正例，训练的目标是让相同类别间的距离尽可能的小，让不同类别间的距离尽可能的大。Triplet在cifar, mnist的数据集上，效果都是很不错的，超过了siamese network，论文是《Deep metric learning using Triplet network》。
网友评论