孪生网络之笔迹鉴别baseline

版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/huanhuan_Coder/article/details/82717495

  最近在用孪生网络跑笔迹鉴别，传送门https://github.com/sorenbouma/keras-oneshot，作者不仅上传了代码，还链接了相关的论文和实验用的数据。写一下思路：

1、 设计网络

   该网络是传统的卷积层+池化层的组合，具体如下图

2、 获取训练数据

get_batch

  在介绍如何获取训练数据之前，首先介绍一下数据集，数据集中包括$N$个文件夹，每个单独的文件夹包括$M$幅图片，同一个文件夹中的文字是同一个人书写，不同文件夹对应着不同的书写人。数据集中$N$个文件夹被分成训练集和测试集，我将数据集中$\frac{2}{3}$的数据即$\frac{2N}{3}$的文件夹用来作为训练集，剩余的$\frac{1}{3}$的数据即$\frac{N}{3}$的文件夹作为测试集。
  

  首先设置batch_size大小，在实验中我设置为10，因为孪生网络是判断两幅图片是不是同一人书写的，所以每次向网络输入的是成对的照片，我们将batch-size设置为10即我们每次训练的时候向网络输入10对即20幅图片。

  上面图片的意思是，前$\frac{1}{2}$batch_size的图片是来自同一个文件夹，后$\frac{1}{2}$batch_size的图片是来自不同的文件夹，我们设置数据的label，因为前$\frac{1}{2}$对的图片来自同一个书写人，所以前$\frac{1}{2}$的label设置为1，后$\frac{1}{2}$的label设置为0，将数据和对应的label输入网络。

3、训练

train_on_batch

'''
训练是在一个batch_size上进行评估，返回值是loss值。
将第二步中的数据和label输入到网络中，其中x对应数据，y对应标签
'''
train_on_batch(self,x,y,batch_size,verbose = 0)

4、测试

make_oneshot_task

  从第1个文件夹中选择一张图片，与上面选出的图片进行比较。label设置：label[0]=1，其余label为0。如果比较结果与label一致，则判断正确，反之判断错误。