《Learning to Compare Image Patches via Convolutional Neural Networks》

《Learning to Compare Image Patches via Convolutional Neural Networks》

  即2-channel networks。关于图像相似度计算的文章，本篇文章对经典的算法Siamese Networks 做了改进。
  因为文献基本上是在 Siamese Networks的基础上做修改，然后也要借助于空间金字塔池化实现不同大小图片的输入网络。

创新点1：从siamese 到2-channel

  在创新点方面，我觉得主要是把Siamese 网络的双分支，合在一起，从而提高了精度，如下图所示：

  这样算法的最后一层直接是全连接层，输出神经元个数直接为1，直接表示两张图片的相似度。
  把两张图片关联在一起的好处，作者的原话：This is something that indicates that it is important to jointly use information from both patches right from the first layer of the network.

创新点2：结合Central-surround two-stream network

  在网络输入部分，把输入图片改成多尺度输入。
  Central-surround two-stream network的意思就是把图片6464的图片，处理成两张3232图片，然后再输入网络，那么这两张3232的图片是怎么计算得到的？这就是Central-surround方法，
  第一张图片是通过以图片中心，进行裁剪出3232的图片；
  第二张图片是怎么计算的：这张图片是直接通过对整张图片下采样的方法得到的，也就是说直接把6464的图片进行下采样得到3232的图片。

创新点3：结合空间金字塔池化SPP

  总之这一步是为了使得网络可以输入各种大小的图片，提高网络的实用性，鲁棒性等。