我正在尝试为与this和this非常相似的应用程序训练连体网络。从我所读到的关于训练连体网络的信息中，不同的图像对超过了相似的图像对，显然如此。在我链接到的论文中，作者谈到相似与不相似对的比例为 1:20，即，对于每对相似的图像，训练集由 20 个不同的对组成。如果我理解正确，对于 64 的批次大小，我的批次将包含 3 个相似对和对应的 20 个不同对，每个相似对。

我在 Keras 中实现了相同的功能，并且网络从第一个 epoch 开始就过拟合了。我有大约 6000 对相似的图像，我正在随机生成不同的对。如何减少过拟合？任何提示都会有所帮助。

注意：我正在使用 Inception V3 的最后两个 Inception 模块来训练我的数据。编辑：我们设法通过获取更多训练数据并使用在非常相似的任务上预训练的网络来解决这个问题。