模型简介

在本文中，我们探索了一种学习孪生神经网络的方法，该方法采用独特的结构对输入之间的相似性进行自然排序。 一旦网络经过调整，我们就可以利用强大的判别特征来将网络的预测能力推广到新数据，以及来自未知分布的全新类别。 使用卷积架构，我们能够获得超过其他深度学习模型的强大结果，在一次性分类任务上具有接近最先进的性能。论文地址：https://www.cs.cmu.edu/~rsalakhu/papers/oneshot1.pdf

• 1. 使用方法

  • 1.1. 模型训练

• 2. 模型来源

1. 使用方法

1.1. 模型训练

python train_siamese_network.py
# 该训练文件包含训练和评估步骤。如有需要，可自行修改代码分布复现。

2. 模型来源

https://github.com/tensorfreitas/Siamese-Networks-for-One-Shot-Learning