- siamese network
本文介绍两种不同的训练方法
- 每次取两个样本，比较他们的相似度
训练这类网络，需要大的数据集，需要标注，每一类有很多样本。
构造正样本-负样本。
正样本：随机取一张图像，然后从同类别中，随机选另一张图像；
负样本：随机取一张图像，排除掉本类别的图像，随机选另一张图像。
搭建一个神经网络，用于提取特征
F共享参数
再用fc来处理z，最终得到标量。
最后再用sigmoid，来处理标量，得到相似度。
训练时，准备相同数量的正样本-负样本。
训练好之后，可以做one-shot predicate
Query一定属于6个类别中一个。
- 另一种训练方法
样本的获取方式：
从训练集中选中三张图像。
随机抽取一张图像，作为anchor；
然后随机从tiger的类别中国，选中一张图像，作为positive；
排除掉tiger类别，随机从其他训练集中，抽取一张图像，作为negative。
F共享参数
D+很小；d-应该很大。大很多。
- 总结
