siamase 是 一种神经网络的框架，而不是具体的某种网络，就像seq2seq 一样，具体实现上可以使用RNN 也可以使用CNN，两个子网络共享权值。网络将输入映射到新的空间，形成输入在新的空间中的表示。
正向传递：
1 不再使用softmax 多分类，把图片encoding 一个长vector
2 图片相似性：不同vector 的相似性对比。
3 相似方程由两部分构成: similarity function=encoding f0 + vector 之间的distance
ref：
https://www.bilibili.com/video/BV1zZ4y1M7Th?from=search&seid=7457699738427400044
后面用sigmoid
3 比较的度量
3.1 转换为二进制的分类： 把图像向量差值的模 做sigmod
两个标签越接近1，就越相似。0是越不相似。预测的差值作为损失函数，
3.2 x2 distance
3.3 Triplet loss 三元组损失
anchor ，positive，negative ，三张图片转为特征向量，相同人的向量是足够近的。
把query 和support set 逐一做对比，找到最相似的。
版权声明：本文为qq_16236875原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。