這篇paper主要是利用Siamese網絡做人臉相似度判別，可以用於人臉識別哦，因為我覺得這篇文獻的網絡結構圖畫的比較漂亮，比較容易看懂，所以就用這一篇文章，簡單講解Siamese網絡的思想。其網絡如下圖所示，有兩個分支分別輸入圖片x1、x2（須知：這兩個分支其實是相同的，同一個cnn模型，同樣的參數，文獻只是為了方便閱讀，所以才畫成兩個分支，因為他們采用的是權重共享），包含卷積、池化等相關運算。雙分支有點難理解，我們還是用單分支來理解吧，說的簡單一點把，siamese 網絡分成前半部分、后半部分。前半部分用於特征提取，我們可以讓兩張圖片，分別輸入我們這個網絡的前半部分，然后分別得到一個輸出特征向量Gw(x1)、Gw(x2)，接着我們構造兩個特征向量距離度量，作為兩張圖片的相似度計算函數（如公式1所示）。
Siamese網絡
如上圖所示，我們要判斷圖片X1和X2是否相似，於是我們構建了一個網絡映射函數Gw(x)，然后把x1、x2分別作為參數自變量，我們可以得到Gw(x1)、Gw(x2)，也就是得到用於評價X1、X2是否相似的特征向量。然后我們的目的就是要使得函數：
然后利用這個損失函數，對網絡進行訓練，就可以判別兩張人臉的相似度了。上面過程中網絡的兩個分支所用的是同一個函數，也就是權值、網絡結構是同一個，我們完全可以把Gw(x)看成是一個特征提取器，因此siamese network網絡其實就是一個提取一直圖片的特征算子的過程，然后再網絡的最后一層，是用於定義了特征向量間相似度的損失函數