01多输入网络的应用背景
首先我们说说在什么情况下，需要多个输入，只以纯图像应用为例。
1.1 图像验证与匹对
早在上个世纪90年代的时候，LeCun等研究人员就开始利用神经网络陆续进行一些研究，比如我们熟知的大名鼎鼎的LeNet5，但这绝不是唯一，今天我们来说他们的另一种网络结构，Siamese Network，网络细节我们后面这些，这里先说应用背景。
签名验证：
无独有偶，还是从手写字开始，同样是用于银行，用于验证签名是否一致。两个网络都是同样规格的图像输入，最后输出一个相似度。
看到这里，你应该能够想起来如今它的更加广泛的应用，没错，就是人脸验证，或者说人脸识别了。
其实用的时候都不需要两个输入，因为可以建立一个离线数据集专门用于检索匹配。
而且，你可以在此基础上拓展出非常多的玩法，什么夫妻脸之类的。
1.2 目标跟踪
目标跟踪是一个什么过程？就是在时序帧中搜索目标的过程，本质上就是检索。
不管是传统的目标跟踪中的生成模型和判别模型，还是用深度学习来做目标跟踪，本质上都是来求取目标区域与搜索区域的相似度，这就是典型的多输入。
用深度学习来做，就是一个小图像和一个大图像分别输入网络，输出相似度。
1.3 排序
还有一类问题，可以用多输入网络来做，那就是排序。有的时候，我们很难估计一个人的实际年龄或者颜值，但是估计相对年龄和颜值就简单多了。
而且，在此之上，做些什么谁更可爱，谁更成熟之类的，可以想出无数花样，解释的通就行了。
02多输入网络
在这里，给大家介绍两个常见的网络，一个是siamese网络，一个是triplet网络。
2.1 siamese network
Siamese本意是“暹罗”人或“泰国”人，后在英语中指“孪生”、“连体”，这是一个外来词，来源于十九世纪泰国出生的一对连体婴儿，具体的故事我们就不说了，挺有看头，大家可以自己去了解。
顾名思义，有两个输入，两个网络，根据这两个网络是否共享权重，可以分为真孪生网络siamese network和伪孪生网络pseudo-siamese network。
真孪生网络siamese network的结构示意图如下：
伪孪生网络pseudo-siamese network的结构示意图如下：
可以看出差别就在于是否共享权重，loss的选择就多了，相似度计算方法就多少，它的计算方法就有多少，交叉熵，欧式距离，余弦距离等都很常用。
那么是否需要共享权重呢？这就看研究的问题而定了，很明显不共享权重有更大的发挥空间，这个问题本文不展开讲。
2.2 triplet network
如果将上面的二输入拓展为三输入怎么样？做人脸识别的同学想必不陌生。
没错，就是triplet network。
大家都知道，训练人脸识别网络的时候需要输入图像对来判断是不是同一个人，loss是两个样本之间的相似度。不过，光是相似度是不够的。
我们以前有一篇文章，专门讲述了人脸识别中的softmax损失的变种，可以回顾。
【技术综述】一文道尽softmax loss及其变种
大家在研究的是同一个问题，如果想得到更优良的性能，不仅要将正负样本区分开，还要让类内更加紧凑（方差小），类间更加疏远（方差大）。
triplet network将输入改成三个，训练的时候使用一个正例 两个负例，或者一个负例 两个正例。
训练的目标就是上面的：同类别间的距离尽可能的小，不同类别间的距离尽可能的大。
基准样本x和负样本x-之间的距离定义如下：
基准样本x和正样本x 之间的距离定义如下：
然后优化目标就等于：
我们假如网络训练的特别好，令margin=1，此时
那么上面的距离：
损失也就趋向于0，当然这种要求是不可能达到的，也不合理，因为有的正样本的确不那么相似，有的负样本的确很相似，强行学习过拟合风险就增加了。
所以实际用的时候，这个margin应该取一个合理的值，而且样本的选择也很有技巧，所以triplet network没有看起来那么好训练。Anyway，这还是很优雅的思想的。
