孪生网络又称为连体网络，网络中的连体是通过共享权值来实现。孪生网络最早是出现在1993年的论文《Signature Verification using a ‘Siamese’ Time Delay Neural Network》用于美国支票上的签名验证，即验证支票上的签名与银行预留签名是否一致。
孪生网络是一种监督学习，用于度量学习。
随后由于硬件的限制网络技术发展缓慢，几乎停滞不前。
2010年Hinton在ICML上发表了文章《Rectified Linear Units Improve Restricted Boltzmann Machines》，用来做人脸验证，效果很好。其原理很简单，将两个人脸feed进卷积神经网络，输出same or different。
2015年CVPR的一篇关于图像相似度计算的文章：《Learning to Compare Image Patches via Convolutional Neural Networks》，本篇文章对经典的算法Siamese Networks 做了改进。
以上的算法都是使用孪生网络来进行图片相似度的对比。随后孪生网络开始慢慢地出现在计算机是觉得目标跟踪领域。
2016年ECCV Fully-Convolutional Siamese Networks for Object Tracking
2016年ECCV Learning to Track at 100 FPS with Deep Regression Networks
2017年CVPR End-to-end representation learning for Correlation Filter based tracking
孪生网络在目标跟踪领域发展的也越来越好。