Siamese Network:孪生网络，更准确的翻译是连体网络。
本次介绍两种训练Siamese Network的方法：
learning Pairwise Similarity Scores
主要思想：每次取两个样本，计算相似度。
- 在大训练集上训练神经网络，首先使用训练集构造正负样本。正样本告诉神经网络什么样本是同一类，负样本告诉样本之间的区别。
具体的，正样本的构造：在训练集中随机抽取图片，在同一类别中在随机抽样一张，并且相似度置为1。
负样本，在训练集中随机抽取图片，排除这一类别，再随机抽样一张，相似度置为0
- 搭建卷积神经网络提取特征
- 训练神经网络，要准备同样数量的正负样本。
注意，两个f是同一个神经网络。最终sigmoid输出越接近1，相似度越高。
- 训练好网络后，做one-shot预测，选相似度最高的
Tripler Loss
- 训练集的准备：每次选出三张图片做训练。首先随机选中一张图片做锚点（anchor），再从锚点的类别中随机抽样一张作为正样本，排除掉该类别，随机抽样得到负样本。
- 将三个样本送入神经网络，提取特征。
- 如下图所示，显然，d+应该小一些，d-应该大一些。定义损失函数：
- 训练好网络后，做one-shot预测，找距离最小的。
总结
