与How to Create CaffeDB training data for siamese networks out of image directory
相关如果我有N个标签。如何强制执行大小为N的特征向量在对比损失层之前代表每个类的某种概率？或者通过暹罗网络设计自动出现？
答案 0 :(得分：2)
如果您只在暹罗网络中使用对比度损失，则无法强制网络分类为正确的标签 - 因为网络仅使用＆＃34;相同/不相同＆＃34;信息并不知道不同类的语义。
你可以做的是训练多个损失层
您应该瞄准训练一个足够适合您的域的特征表示，以便查看某些输入的训练特征向量（在某些高维度），您应该能够轻松地将该输入分类到正确的类。此外，鉴于两个输入的特征表示，应该能够容易地说出它们是否相同＆＃34;或者＆＃34;不一样＆＃34;。
因此，我建议您使用"bottom"作为其中一个"InnerProduct"图层的输出，使用两个丢失层训练您的深层网络。一个损失是对比损失。另一个损失应该有另一个"InnerProduct"图层，其中包含num_output: N和"SoftmaxWithLoss"图层。
在这项工作中使用了类似的概念： Sun, Chen, Wang and Tang Deep Learning Face Representation by Joint Identification-Verification NIPS 2014