【论文阅读记录】孪生网络（Siamese network）

前言：

{

    之前深度学习不流行的时候，一般像指纹鉴别这种任务都需要很复杂的特征工程（比如寻找角点[1]）来完成。我在谷歌搜索了深度学习的指纹识别解决方案，之后搜到了[2]，便因此了解到了孪生网络（Siamese network）

}

 

正文：

{

    由于[2]的内容很少，我就继续搜索，之后搜索到了[3]。

    图3是一个简单的孪生网络。

    其中输入层（input layer）和隐含层（hidden layer）部分有两条路线，这两条路线上的权值共享和偏置[4]（或者也可以说这两个分支是同一部分，只不过被复用了），之后的距离层表示这两个分支得出的特征（或者说其输入）的距离向量，再之后的节点则表示这两个特征的相似度（距离，相似概率等）。

    权值共享部分可以被很多结构替换（inception？），其实际上是特征提取部分，起到特征提取的作用。

    另外，如果上述两条分支不共享权值，这此网络被称为伪孪生网络（pseudo-Siamese network）[5]。