提起siamese network一般都会引用这两篇文章：
《Learning a similarity metric discriminatively, with application to face verification》
和
《 Hamming Distance Metric Learning》。
介绍
类别数多，每个类别的样本数量少的情况下用于类别的识别，分类。
传统的分类是：确切的知道每个样本属于哪个类，针对每个样本有确切的标签。且标签数量不会太多。
而针对先情况，提出来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。
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进行对比相似度。在训练阶段去最小化来自相同类别的一堆样本的损失函数值，最大化来自不同类别的一堆样本的损失函数值。（相似性度量）