详解Siamese网络

╰半橙微兮° 2022-04-16 00:28 220阅读 0赞

# 摘要 #

`Siamese网络`用途，原理，如何训练？

# 背景 #

在人脸识别中，存在所谓的`one-shot问题`。举例来说，就是对公司员工进行人脸识别，每个员工只给你一张照片（训练集样本少），并且员工会离职、入职（每次变动都要重新训练模型）。有这样的问题存在，就没办法直接训练模型来解决这样的分类问题了。

为了解决`one-shot问题`，我们会训练一个模型来输出给定两张图像的相似度，所以模型学习得到的是`similarity函数`。

哪些模型能通过学习得到`similarity函数`呢？`Siamese网络`就是这样的一种模型。

# `Siamese网络`原理 #

`Siamese网络`要给出输入图像X1和X2的相似度，所以它必须能接受两个图像作为输入，如下图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70]

图中上下两个模型，都由CNN构成，两个模型的参数值完全相同。不同于传统CNN的地方，是`Siamese网络`并不直接输出类别，而是输出一个向量(比如上图中是128个数值组成的一维向量)：

*  若输入的图像X1和X2为同一个人，则上下两个模型输出的一维向量欧氏距离较小
 *  若输入的图像X1和X2不是同一个人，则上下两个模型输出的一维向量欧氏距离较大

所以通过对上下两个模型输出的向量做欧氏距离计算，就能得到输入两幅图像的相似度。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 1]

又因为上下两个模型具有相同的参数，所以训练模型时，只需要训练一个模型即可。那问题来了，这样的模型该怎么训练呢？模型的输出label该标注为什么呢？

# 如何训练`Siamese网络` #

模型的训练，就是给定`cost function`后，用`梯度下降法`寻找最优值的过程。

训练`Siamese网络`，需要引入新的`cost function`。我们先看模型的学习目标（下图），再一步一步讲解`cost function`的最终表达式。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 2]

对图中的一幅照片A，如果给定了同一个人的另一幅照片P，则模型的输出向量f(A)和f§应该是距离比较小的。如果给定了另一个人的照片N，则模型的输出向量f(A)和f(N)之间的距离就比较小。所以d(A,P)<d(A,N)。

根据这个目标，就得到了`cost function`的定义：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 3]

其目的，是遍历所有三元组(A,P,N)，求其L的最小。公式中的参数α，是一个超参数，用于做margin，能避免模型输出的都是零向量。

有了这个`cost function`，用`梯度下降法`就能找到模型的最优值。这个过程是不需要我们对模型的向量值进行人工标注的。

# 参考 #

*  [https://www.cv-foundation.org/openaccess/content\_cvpr\_2015/ext/1A\_089\_ext.pdf][https_www.cv-foundation.org_openaccess_content_cvpr_2015_ext_1A_089_ext.pdf]
 *  Andrew NG, CNN, chapter-04

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70]: /images/20220416/40b47df6b0a141ce912a134e553372a0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 1]: /images/20220416/451987dcd8a34d74afb31a4ba6b615f9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 2]: /images/20220416/6463cb34202e41878894739d0d5bc33d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3liZGVzaXJl_size_16_color_FFFFFF_t_70 3]: /images/20220416/31ceec3bfc2c4d7f8bd1e887270e04d7.png
[https_www.cv-foundation.org_openaccess_content_cvpr_2015_ext_1A_089_ext.pdf]: https://www.cv-foundation.org/openaccess/content_cvpr_2015/ext/1A_089_ext.pdf