- 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