Siamese Network (应用篇1) ：用于图像匹配的孪生网络特征（ICPR2016）

参考论文：Siamese Network Features for Image Matching

会议水平：2016 23rd International Conference on Pattern Recognition (ICPR)

1. 摘要和贡献

在计算机视觉领域中涵盖运动结构分析、多视图3D重建、图像检索以及基于图像地位的应用等技术层面时域内

作者的贡献主要表现在两个方面：

1. 基于深度神经网络，利用整幅图像预测图像对的相似性。

2.作者验证了孪生网络在图像匹配中的潜力。

2. 结构、方法、细节

图 1. 模型结构。两个分支结构是一样的，权重分享。

研究者旨在为图像对学习构建一个通用的相似性度量函数。该研究采用了HybridCNN作为网络核心组件。通过两个独立的神经网络分支分别作用于一对图像，在特征空间中生成其对应的向量表示。这两个向量随后被直接传递至损失函数层进行计算优化。值得注意的是，在该研究中使用的损失函数仍是[1,-1]非类型形式。

2.1 对比损失函数 constructive loss

![](https://cdl.i