来源：Coursera吴恩达深度学习课程

上个文章One-Shot学习/一次学习（One-shot learning）中函数d的作用就是输入两张人脸图片，然后输出相似度。实现这个功能的一个方式就是用Siamese网络。

上图是常见的卷积网络，输入图片x^(1)，然后经过卷积层、池化层和全连接层，最终得到特征向量。假如它有128个数，它是由网络深层的全连接层计算出来的，给这128个数命个名字，f(x^(1))，可以看成是图像x^(1)的编码。建立一个人脸识别系统的方法就是：如果要比较两个图片的话，把第二张图片x^(2)喂给有同样参数的神经网络，然后得到一个不同的128维向量。这里x^(1)和x^(2)仅代表两个输入图片，是任意两个图片。

接下来定义d，将x^(1)和x^(2)的距离定义为这两种图片编码之差的范数：

对于两个不同的输入，运行相同的卷积神经网络，然后比较它们，这一般叫做Siamese网络架构（Siamese neural network architecture）。这里提到的很多观点，都来自于Yaniv Taigman，Ming Yang，Marc’ Aurelio Ranzato，Lior Wolf的这篇论文DeepFace closing the gap to human level performance，他们开发的系统叫做DeepFace。怎么训练这个Siamese神经网络呢？

 

由于两个网络有相同的参数，因此就是训练一个网络。我们要做的就是学习参数，如果两张图片是同一个人，那两个编码的距离就很小；如果是不同的人，编码距离就大一些。如果你改变这个网络所有层的参数，你会得到不同的编码结果，你要做的就是用反向传播（back propagation）来改变这些所有的参数，以确保满足这些条件。

现在我们已经了解了Siamese网络架构，并且知道想要网络输出什么，即什么是好的编码。但是如何定义实际的目标函数（define an objective function），能够让神经网络学习并做到我们刚才讨论的内容呢？在下一个文章里，我们会看到如何用三元组损失函数达到这个目的。

说明：记录学习笔记，如果错误欢迎指正！转载请联系我。