深度学习--孪生神经网络(Siamese Neural Network)--基础理论
目录
三 损失函数(使用contrastive loss处理paired data)
一 解决问题
数据集中类别数较多(即无法确认具体类别数或者类别数很多很多),并且每个类别对应的样本数量较少
注意:人脸识别(验证)属于该种问题
二 网络架构
第一点:拥有两个相同的子神经网络,且权值共享
第二点:属于有监督学习,样本为paired data:
注意:
- ,为相似样本,
- ,为不相似样本,
第三点:子网络接受两个输入,并由神经网络转化为向量,再计算两个向量的距离(根据需求选择距离度量)
三 损失函数(使用contrastive loss处理paired data)
注意:
- :表示样本数量,即paired data数量
- :表示标签,即Y=0或者Y=1
- :表示欧式距离,即
- :表示不相似样本的距离阈值,即两个不相似样本的距离在[0,m],超过m时,两个不相似样本的loss可以看作0
1 当Y=1时
注意:极小化损失函数,也就是减小,使得相似样本距离变小
2 当Y=0时
注意:极小化损失函数,也就是增大,是的不相似样本距离变大