python - 如何在 Keras 中使用预训练的 CNN 实现 Siamese 网络？

Question

我正在使用 Keras 为 224x224x3 大小的图像开发用于人脸识别的连体网络。 Siamese 网络的架构是这样的:

对于 CNN 模型，我正在考虑使用已经在 Keras.applications 模块中预训练的 InceptionV3 模型。

#Assume all the other modules are imported correctly

from keras.applications.inception_v3 import InceptionV3

IMG_SHAPE=(224,224,3)

def return_siamese_net():

  left_input=Input(IMG_SHAPE)
  right_input=Input(IMG_SHAPE)

  model1=InceptionV3(include_top=False, weights="imagenet", input_tensor=left_input) #Left SubConvNet
  model2=InceptionV3(include_top=False, weights="imagenet", input_tensor=right_input) #Right SubConvNet

  #Do Something here

  distance_layer = #Do Something
  prediction = Dense(1,activation='sigmoid')(distance_layer) # Outputs 1 if the images match and 0 if it does not

  siamese_net = #Do Something  
  return siamese_net

model=return_siamese_net()
  

因为模型是预训练的，所以我得到了错误，现在我坚持为孪生网络实现距离层。
我应该在两者之间添加什么才能使这个 Siamese Network 工作？

Answer 1

一个非常重要的注意事项，在使用距离层之前，要考虑到您只有一个卷积神经网络。
共享权重实际上仅指一个卷积神经网络，权重是共享的，因为在传递一对图像时使用相同的权重(取决于使用的损失函数)，以便计算每个输入的特征以及随后的嵌入图片。
您将只有一个神经网络，并且块逻辑需要如下所示:

def euclidean_distance(vectors):
    (features_A, features_B) = vectors
    sum_squared = K.sum(K.square(features_A - features_B), axis=1, keepdims=True)
    return K.sqrt(K.maximum(sum_squared, K.epsilon()))


image_A = Input(shape=...)
image_B = Input(shape=...)
feature_extractor_model = get_feature_extractor_model(shape=...)
features_A = feature_extractor(image_A)
features_B = feature_extractor(image_B)
distance = Lambda(euclidean_distance)([features_A, features_B])
outputs = Dense(1, activation="sigmoid")(distance)
siamese_model = Model(inputs=[image_A, image_B], outputs=outputs)

当然，特征提取器模型可以是来自 Keras/TensorFlow 的预训练网络，并改进了输出分类层。
主要逻辑应该和上面一样，当然，如果你想使用triplet loss，那需要三个输入(Anchor，Positive，Negative)，但一开始我建议坚持基础。
此外，最好查阅以下文档:

https://www.pyimagesearch.com/2020/11/30/siamese-networks-with-keras-tensorflow-and-deep-learning/

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