AITerms 登入
深度學習神經網路電腦視覺

連體神經網路(Siamese Network)是什麼?

連體神經網路是一種包含兩個或多個共享相同權重的相同神經網路的架構,用於比較輸入之間的相似性或關係。

完整定義

連體神經網路是一種特殊的深度學習架構,它包含兩個或多個完全相同的神經網路,這些網路共享相同的權重和架構。這些網路並行處理不同的輸入,並將它們的輸出進行比較,以衡量輸入之間的相似性或關係。其核心目標是學習一個能夠有效區分相似和不相似輸入的嵌入空間。

白話說明

你有沒有在你要判斷兩句話是不是同一句意思,或兩張照片是不是同一個人,發現只看表面常常不夠?

你可以把它想成兩條共用權重的神經網路,分別看兩個輸入,再比較它們有多像。

很多任務不是要直接分到類別,而是要先量相似度,連體網路很適合做這件事。

記住這句

兩邊一起學、最後比相似度,就是連體神經網路。

比喻:連體神經網路就像一對心電感應的雙胞胎偵探 -- 他們看到不同的嫌犯照片(輸入),但都用同一套分析方法(共享權重)來判斷照片中的人是不是同一個,或彼此有多像。最終他們會比較各自的分析結果,給出相似度分數。

容易混淆

傳統分類模型

傳統分類模型像個單一的鑑定專家,負責辨識「這是誰?」。

連體神經網路則像個比較專家,它不是直接分類,而是判斷「這兩個人有多像?」或「這兩張照片是不是同一個人?」,更專注於關係比較。

實際案例

重複問句檢測要判斷「怎麼退貨」和「退貨流程是什麼」是不是同一類問題。

人臉驗證要比對兩張臉是否屬於同一個人,而不是直接分到某個固定類別。

演算法與應用

兩個分支通常共享參數,先把輸入編成 embedding,再用距離或相似度判斷。

訓練時常搭配 contrastive loss 或 triplet loss。

情境判斷

Q1(直覺題): 如果你只有成對資料,沒有很多固定類別標籤,這種架構有幫助嗎?

有。它本來就很適合做成對比較,而不是硬做多分類。

Q2(判斷題): 如果你要分辨「這是貓、那是狗」,還需要它嗎?

不一定。看情況,直接分類模型會更簡單。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本