代码拉取完成，页面将自动刷新
2022-04:进行了大幅度的更新，支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整。
BiliBili视频中的原仓库地址为：https://github.com/bubbliiiing/siamese-pytorch/tree/bilibili
训练Omniglot数据集和训练自己的数据集可以采用两种不同的格式。需要注意格式的摆放噢！
该仓库实现了孪生神经网络（Siamese network），该网络常常用于检测输入进来的两张图片的相似性。该仓库所使用的主干特征提取网络（backbone）为VGG16。
torch==1.2.0
训练所需的vgg16-397923af.pth可在百度网盘中下载。
链接: https://pan.baidu.com/s/14SFoKX6xTDPx2XG9rcUTDQ 提取码: 44en
Omniglot数据集下载地址为：
链接: https://pan.baidu.com/s/1pYp6vqiLLRFLn1tVeRk8ZQ 提取码: 5sa7
人脸数据集下载地址为（格式还需要简单修改一下才可以使用，请参考下方“训练自己相似性比较的模型”的格式进行修改）：
链接: https://pan.baidu.com/s/1OvEFXTUZrvu4T5qSPkHOJw 提取码: aqhg
我一共会提供两个权重，分别是vgg16-397923af.pth和Omniglot_vgg.pth。
其中:
Omniglot_vgg.pth是Omniglot训练好的权重，可直接使用进行下面的预测步骤。
vgg16-397923af.pth是vgg的权重，可以用于训练其它的数据集。
img/Angelic_01.png
img/Angelic_02.png
_defaults = {
"model_path": 'model_data/Omniglot_vgg.pth',
"input_shape" : (105, 105, 3),
}
img/Angelic_01.png
img/Angelic_02.png
可参考我的CSDN博客https://blog.csdn.net/weixin_44791964/article/details/107343394
Omniglot数据集中数据存放格式有三级：
- images_background
- Alphabet_of_the_Magi
- character01
- 0709_01.png
- 0709_02.png
- ……
- character02
- character03
- ……
- Anglo-Saxon_Futhorc
- ……
训练步骤为：
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。
- images_background
- character01
- 0709_01.png
- 0709_02.png
- ……
- character02
- character03
- ……
相比Omniglot少了一级。每一个chapter里面放同类型的图片。
训练步骤为：
https://github.com/tensorfreitas/Siamese-Networks-for-One-Shot-Learning
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
马建仓 AI 助手