来自官方 Keras 示例：

使用具有三元组损失的连体网络进行图像相似度估计

训练连体网络以使用三元组损失函数比较图像的相似性。

连体网络是一种网络架构，包含两个或多个相同的子网，用于为每个输入生成特征向量并进行比较。

连体网络可以应用于不同的用例，例如检测重复、发现异常和人脸识别。

此示例使用具有三个相同子网的连体网络。我们将为模型提供三张图像，其中两张相似（锚和正样本），第三张不相关（负样本）。我们的目标是让模型学会估计图像之间的相似性。

• 在 Colab 中查看
• GitHub源

使用具有对比损失的 Siamese 网络进行图像相似度估计

使用经过对比损失训练的孪生网络进行相似性学习

连体网络是在两个或多个姐妹网络之间共享权重的神经网络，每个姐妹网络都产生其各自输入的嵌入向量。

在有监督的相似性学习中，然后对网络进行训练以最大化不同类输入的嵌入之间的对比度（距离），同时最小化相似类的嵌入之间的距离，从而产生反映训练输入的类分割的嵌入空间。

• 在 Colab 中查看
• GitHub源

这是 keras 中的一个，它不是那么基本，但仍然很有趣。

这是 Keras 中的 Siamese 网络实现，旨在成为可重用的库：https ://github.com/aspamers/siamese

以下来自英特尔的博客文章也有很好的例子 https://software.intel.com/content/www/us/en/develop/articles/keras-implementation-of-siamese-like-networks.html

太好了，我也在搜索实现，我找到了这些资源。

这里 pyimagesearch 网站https://www.pyimagesearch.com/2020/11/23/building-image-pairs-for-siamese-networks-with-python/

这是 pyimagesearch 的代码实现：https ://colab.research.google.com/drive/1_AZ1MoaoNzKsw7GgHi9brxlxw84GFpnV?usp=sharing

这是获得 3k 拍手的中篇文章：

https://towardsdatascience.com/one-shot-learning-with-siamese-networks-using-keras-17f34e75bb3d