总结：
- Siamese网络衡量两个输入的相似程度，输出是一个[0,1]的浮点数，表示二者的相似程度。孪生神经网络有两个输入（Input1 and Input2）,将两个输入feed进入两个神经网络（Network1 and Network2），这两个神经网络分别将输入映射到新的空间，形成输入在新的空间中的表示。通过Loss的计算，评价两个输入的相似度。
- 单样本学习（one-shotting）能够减小训练数据，使用较少的样本即可训练网络，当出现新的类型时无需重新训练网络
- Siamese网络在目标跟踪中的应用有：
- siamFC:开山之作
- SiamRPN:将入RPN预测位置
- DasiamRPN:考虑了样本不平衡的问题
- SiamRPN++: 引入深层网络
- SiamMask:加入了图像分割的内容
