jinyangxu / siamese-keras Goto Github PK

1. 实现的内容 Achievement
2. 所需环境 Environment
3. 注意事项 Attention
4. 文件下载 Download
5. 预测步骤 How2predict
6. 训练步骤 How2train
7. 参考资料 Reference

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。

tensorflow-gpu==1.13.1
keras==2.1.5

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！

训练所需的vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5可在百度网盘中下载。
链接: https://pan.baidu.com/s/1FO0t-jHy9oyhnXNLz_LldQ 提取码: 17zy
我一共会提供两个权重，分别是vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5和Omniglot_vgg.h5。
其中:
Omniglot_vgg.h5是Omniglot训练好的权重，可直接使用进行下面的预测步骤。
vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5是vgg的权重，可以用于训练其它的数据集。

下载完库后解压，在百度网盘下载Omniglot_vgg.h5，放入model_data，运行predict.py，依次输入

img/Angelic_01.png

img/Angelic_02.png

可完成预测。

a、按照训练步骤训练。
b、在siamese.py文件里面，在如下部分修改model_path使其对应训练好的文件；model_path对应logs文件夹下面的权值文件。

_defaults = {
    "model_path": 'model_data/Omniglot_vgg.h5',
    "input_shape" : (105, 105, 3),
}

c、运行predict.py，输入

img/Angelic_01.png

img/Angelic_02.png

可完成预测。

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：

- image_background
	- Alphabet_of_the_Magi
		- character01
			- 0709_01.png
			- 0709_02.png
			- ……
		- character02
		- character03
		- ……
	- Anglo-Saxon_Futhorc
	- ……

训练步骤为：
a、下载数据集，放在根目录下的dataset文件夹下。
b、运行train.py开始训练。

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。

- image_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：
a、按上述格式放置数据集，放在根目录下的dataset文件夹下。
b、之后将train.py当中的train_own_data设置成True。
c、 运行train.py开始训练。

https://github.com/tensorfreitas/Siamese-Networks-for-One-Shot-Learning