keras - 在训练图像相似性神经网络时如何使用 L1 距离？

Question

我正在实现一个神经网络，它发现两个图像之间的相似性，无论它们是否相似。

参考：https ://www.kaggle.com/arpandhatt/siamese-neural-networks/data

每个示例都包含([image_1, image_2], label). 0如果标签相似和不同，则标签具有值1。

网络卷积网络由一系列卷积和池化层组成，并输出一个特征向量。

在实现中，他们计算编码之间的 L1 距离，并为最终决策添加了一个密集层。

encoded_l = convnet(left_input)
encoded_r = convnet(right_input)

# Getting the L1 Distance between the 2 encodings
L1_layer = Lambda(lambda tensor:K.abs(tensor[0] - tensor[1]))

# Add the distance function to the network
L1_distance = L1_layer([encoded_l, encoded_r])

prediction = Dense(1,activation='sigmoid')(L1_distance)
siamese_net = Model(inputs=[left_input,right_input],outputs=prediction)

我正在寻找的答案：

• 在训练网络期间如何使用此 L1 距离。

• 除了 L1 距离之外，还有哪些其他选项可用于测量两种编码之间的相似性？

我希望如果我能得到这些答案，我可以根据我的要求调整网络。

标签： kerasconv-neural-networksimilaritytransfer-learningvgg-net