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