神经网络学习小记录51——Keras搭建孪生神经网络（Siamese network）比较图片相似性

迈不过友情╰ 2023-02-26 07:21 10阅读 0赞

### 神经网络学习小记录51——Keras搭建孪生神经网络（Siamese network）比较图片相似性 ###

*  学习前言
 *  什么是孪生神经网络
 *  代码下载
 *  孪生神经网络的实现思路
 *   *  一、预测部分
     *   *  1、主干网络介绍
         *  2、比较网络
     *  二、训练部分
     *   *  1、数据集的格式
         *  2、Loss计算
 *  训练自己的孪生神经网络
 *   *  1、训练本文所使用的Omniglot例子
     *  2、训练自己相似性比较的模型

# 学习前言 #

最近学习了一下如何比较两张图片的相似性，用到了孪生神经网络，一起来学习一下。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]

# 什么是孪生神经网络 #

简单来说，孪生神经网络（Siamese network）就是“连体的神经网络”，神经网络的“连体”是通过共享权值来实现的，如下图所示。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]  
所谓权值共享就是当神经网络有两个输入的时候，这两个输入使用的神经网络的权值是共享的（**可以理解为使用了同一个神经网络**）。

很多时候，我们需要去**评判两张图片的相似性，比如比较两张人脸的相似性，我们可以很自然的想到去提取这个图片的特征**再进行比较，自然而然的，我们又可以想到**利用神经网络进行特征提取**。  
如果使用两个神经网络分别对图片进行**特征提取，提取到的特征很有可能不在一个域中，此时我们可以考虑使用一个神经网络进行特征提取再进行比较**。这个时候我们就可以理解孪生神经网络为什么要进行权值共享了。

孪生神经网络有两个输入（Input1 and Input2），利用神经网络将输入映射到新的空间，形成输入在新的空间中的表示。通过Loss的计算，评价两个输入的相似度。

# 代码下载 #

[https://github.com/bubbliiiing/Siamese-keras][https_github.com_bubbliiiing_Siamese-keras]

# 孪生神经网络的实现思路 #

## 一、预测部分 ##

### 1、主干网络介绍 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 2]  
孪生神经网络的主干特征提取网络的功能是进行特征提取，各种神经网络都可以适用，本文使用的神经网络是VGG16。  
关于VGG的介绍大家可以看我的另外一篇博客[https://blog.csdn.net/weixin\_44791964/article/details/102779878][https_blog.csdn.net_weixin_44791964_article_details_102779878]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 3]  
这是一个VGG被用到烂的图，但确实很好的反应了VGG的结构：  
**1、一张原始图片被resize到指定大小，本文使用105x105。  
2、conv1包括两次\[3,3\]卷积网络，一次2X2最大池化，输出的特征层为64通道。  
3、conv2包括两次\[3,3\]卷积网络，一次2X2最大池化，输出的特征层为128通道。  
4、conv3包括三次\[3,3\]卷积网络，一次2X2最大池化，输出的特征层为256通道。  
5、conv4包括三次\[3,3\]卷积网络，一次2X2最大池化，输出的特征层为512通道。  
6、conv5包括三次\[3,3\]卷积网络，一次2X2最大池化，输出的特征层为512通道。**

实现代码为：

import keras
    from keras.layers import Input,Dense,Conv2D
    from keras.layers import MaxPooling2D,Flatten
    from keras.models import Model
    import os
    import numpy as np
    from PIL import Image
    from keras.optimizers import SGD
    
    class VGG16:
        def __init__(self):
            self.block1_conv1 = Conv2D(64,(3,3),activation = 'relu',padding = 'same',name = 'block1_conv1')
            self.block1_conv2 = Conv2D(64,(3,3),activation = 'relu',padding = 'same', name = 'block1_conv2')
            self.block1_pool = MaxPooling2D((2,2), strides = (2,2), name = 'block1_pool')
            
            self.block2_conv1 = Conv2D(128,(3,3),activation = 'relu',padding = 'same',name = 'block2_conv1')
            self.block2_conv2 = Conv2D(128,(3,3),activation = 'relu',padding = 'same',name = 'block2_conv2')
            self.block2_pool = MaxPooling2D((2,2),strides = (2,2),name = 'block2_pool')
    
            self.block3_conv1 = Conv2D(256,(3,3),activation = 'relu',padding = 'same',name = 'block3_conv1')
            self.block3_conv2 = Conv2D(256,(3,3),activation = 'relu',padding = 'same',name = 'block3_conv2')
            self.block3_conv3 = Conv2D(256,(3,3),activation = 'relu',padding = 'same',name = 'block3_conv3')
            self.block3_pool = MaxPooling2D((2,2),strides = (2,2),name = 'block3_pool')
    
            self.block4_conv1 = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block4_conv1')
            self.block4_conv2 = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block4_conv2')
            self.block4_conv3 = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block4_conv3')
            self.block4_pool = MaxPooling2D((2,2),strides = (2,2),name = 'block4_pool')
    
            # 第五个卷积部分
            self.block5_conv1 = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block5_conv1')
            self.block5_conv2 = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block5_conv2')
            self.block5_conv3 = Conv2D(512,(3,3),activation = 'relu',padding = 'same', name = 'block5_conv3')   
            self.block5_pool = MaxPooling2D((2,2),strides = (2,2),name = 'block5_pool')
    
            self.flatten = Flatten(name = 'flatten')
    
        def call(self, inputs):
            x = inputs
            x = self.block1_conv1(x)
            x = self.block1_conv2(x)
            x = self.block1_pool(x)
    
            x = self.block2_conv1(x)
            x = self.block2_conv2(x)
            x = self.block2_pool(x)
    
            x = self.block3_conv1(x)
            x = self.block3_conv2(x)
            x = self.block3_conv3(x)
            x = self.block3_pool(x)
            
            x = self.block4_conv1(x)
            x = self.block4_conv2(x)
            x = self.block4_conv3(x)
            x = self.block4_pool(x)
    
            x = self.block5_conv1(x)
            x = self.block5_conv2(x)
            x = self.block5_conv3(x)
            x = self.block5_pool(x)
    
            outputs = self.flatten(x)
            return outputs

### 2、比较网络 ###

将这两个一维向量进行相减，再进行绝对值求和，相当于求取了两个特征向量插值的L1范数。也就相当于求取了两个一维向量的距离。

**然后对这个距离再进行两次全连接，第二次全连接到一个神经元上，对这个神经元的结果取sigmoid，使其值在0-1之间，代表两个输入图片的相似程度。**

实现代码如下：

import keras
    from keras.layers import Input,Dense,Conv2D
    from keras.layers import MaxPooling2D,Flatten,Lambda
    from keras.models import Model
    import keras.backend as K
    import os
    import numpy as np
    from PIL import Image
    from keras.optimizers import SGD
    from nets.vgg import VGG16
    
     
    def siamese(input_shape):
        vgg_model = VGG16()
    
        input_image_1 = Input(shape=input_shape)
        input_image_2 = Input(shape=input_shape)
    
        encoded_image_1 = vgg_model.call(input_image_1)
        encoded_image_2 = vgg_model.call(input_image_2)
    
        l1_distance_layer = Lambda(
            lambda tensors: K.abs(tensors[0] - tensors[1]))
        l1_distance = l1_distance_layer([encoded_image_1, encoded_image_2])
    
        out = Dense(512,activation='relu')(l1_distance)
        out = Dense(1,activation='sigmoid')(out)
    
        model = Model([input_image_1,input_image_2],out)
        return model

## 二、训练部分 ##

### 1、数据集的格式 ###

本文所使用的数据集为Omniglot数据集。  
其包含来自 50不同字母（语言）的1623 个不同手写字符。每一个字符都是由 20个不同的人通过亚马逊的 Mechanical Turk 在线绘制的。

**相当于每一个字符有20张图片，然后存在1623个不同的手写字符，我们需要利用神经网络进行学习，去区分这1623个不同的手写字符，比较输入进来的字符的相似性。**

本博客中数据存放格式有三级：

- image_background
    	- Alphabet_of_the_Magi
    		- character01
    			- 0709_01.png
    			- 0709_02.png
    			- ……
    		- character02
    		- character03
    		- ……
    	- Anglo-Saxon_Futhorc
    	- ……

**最后一级的文件夹用于分辨不同的字体，同一个文件夹里面的图片属于同一文字。在不同文件夹里面存放的图片属于不同文字。**  
![在这里插入图片描述][20200714203846304.png_pic_center]  
![在这里插入图片描述][20200714203851329.png_pic_center]  
**上两个图为.\\images\_background\\Alphabet\_of\_the\_Magi\\character01里**的两幅图。它们两个属于同一个字。  
![在这里插入图片描述][20200714204458937.png_pic_center]  
**上一个图为.\\images\_background\\Alphabet\_of\_the\_Magi\\character02里**的一幅图。它和上面另两幅图不属于同一个字。

### 2、Loss计算 ###

对于孪生神经网络而言，其具有两个输入。

**当两个输入指向同一个类型的图片时，此时标签为1。**

**当两个输入指向不同类型的图片时，此时标签为0。**

**然后将网络的输出结果和真实标签进行交叉熵运算，就可以作为最终的loss了。**

本文所使用的Loss为binary\_crossentropy。

**当我们输入如下两个字体的时候，我们希望网络的输出为1。**  
![在这里插入图片描述][20200714203846304.png_pic_center]  
![在这里插入图片描述][20200714203851329.png_pic_center]  
我们会将预测结果和1求交叉熵。

**当我们输入如下两个字体的时候，我们希望网络的输出为0。**  
![在这里插入图片描述][20200714203846304.png_pic_center]  
![在这里插入图片描述][20200714204458937.png_pic_center]  
我们会将预测结果和0求交叉熵。

# 训练自己的孪生神经网络 #

## 1、训练本文所使用的Omniglot例子 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 4]  
下载数据集，放在根目录下的dataset文件夹下。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 5]  
运行train.py开始训练。  
![在这里插入图片描述][20200714212953877.png]

## 2、训练自己相似性比较的模型 ##

如果大家想要训练自己的数据集，可以将数据集按照如下格式进行摆放。  
![在这里插入图片描述][20200717132416288.png_pic_center]  
每一个chapter里面放同类型的图片。  
之后将train.py当中的train\_own\_data设置成True，即可开始训练。  
![在这里插入图片描述][20200717132625692.png_pic_center]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center]: /images/20230209/d070d542220144a9a78e86d28c05bbae.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20230209/12b7117141024af3963be947bee1a894.png
[https_github.com_bubbliiiing_Siamese-keras]: https://github.com/bubbliiiing/Siamese-keras
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20230209/c560bbd3eb13432dbd4f9179c6c3a81c.png
[https_blog.csdn.net_weixin_44791964_article_details_102779878]: https://blog.csdn.net/weixin_44791964/article/details/102779878
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20230209/bf12c63240c742baafae1ec5dbe3a47d.png
[20200714203846304.png_pic_center]: /images/20230209/f91e9e124cf84ce48846593544896770.png
[20200714203851329.png_pic_center]: /images/20230209/ba4e8252b8b04bfca2669350fc852328.png
[20200714204458937.png_pic_center]: /images/20230209/e38cfd57972d41c08c6e3973045c7b42.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20230209/92fce36138ff46c3b6734174f1fefb75.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDc5MTk2NA_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20230209/72d2b9cd8b214fb78e05133aebb01720.png
[20200714212953877.png]: /images/20230209/4ad0d99470d740f990454a25150ef159.png
[20200717132416288.png_pic_center]: /images/20230209/cbcd426fca00412eabc3c634d0966720.png
[20200717132625692.png_pic_center]: https://img-blog.csdnimg.cn/20200717132625692.png#pic_center