Redes Siamesas

Una red siamesa (Siamese network) es una arquitectura formada por dos —o más— subredes idénticas que comparten exactamente los mismos pesos y procesan, cada una, una entrada distinta. En lugar de clasificar una entrada en categorías, su objetivo es comparar: aprende a medir cuán parecidas o distintas son dos entradas, proyectándolas a un espacio de embeddings donde la distancia entre los vectores refleja su similitud.

Compartir los pesos es la clave: garantiza que ambas entradas se transforman con la misma función, de modo que dos elementos iguales producen vectores cercanos y dos distintos, vectores alejados. La red no aprende «qué es» cada entrada, sino «cuánto se parecen» dos de ellas.

Cómo aprende: embeddings y pérdidas por comparación

Una red siamesa no se entrena con la típica pérdida de clasificación, sino con funciones que operan sobre pares o tríos de ejemplos. La pérdida contrastiva (contrastive loss), formalizada por Raia Hadsell, Sumit Chopra y Yann LeCun en 2006, acerca en el espacio de embeddings los pares que deberían ser iguales y aleja los que deberían ser distintos, con un margen. La pérdida de triplete (triplet loss) trabaja con tres entradas a la vez: un ancla, un ejemplo positivo (de la misma clase que el ancla) y uno negativo (de otra clase); el entrenamiento empuja al ancla a estar más cerca del positivo que del negativo por un margen dado. El resultado es un espacio donde la mera distancia ya codifica la identidad.

Usos: verificación facial y de firmas, y one-shot

La idea nació precisamente para comparar. Jane Bromley, Isabelle Guyon, Yann LeCun y sus colegas presentaron las redes siamesas a comienzos de los años noventa para la verificación de firmas manuscritas, decidiendo si dos firmas pertenecían a la misma persona. Su aplicación más conocida es la verificación facial: FaceNet, de Google (Florian Schroff y colaboradores, 2015), usó la pérdida de triplete para aprender embeddings de rostros con los que confirmar si dos fotos son de la misma persona. Y en el aprendizaje de un solo ejemplo (one-shot learning), Gregory Koch, Richard Zemel y Ruslan Salakhutdinov (2015) mostraron que una red siamesa puede reconocer una clase nueva a partir de un único ejemplo, comparándolo con la referencia. Estas aplicaciones tienen entradas propias en este glosario.

Por qué funciona: aprendizaje métrico con muchas clases y pocos ejemplos

Las redes siamesas son una forma de aprendizaje métrico (metric learning): en vez de aprender fronteras entre clases, aprenden una medida de distancia. Esa diferencia las hace idóneas cuando hay muchísimas clases y muy pocos ejemplos de cada una —millones de rostros o firmas distintos, con apenas una o dos muestras por identidad—, un escenario donde un clasificador convencional es inviable porque tendría que reentrenarse cada vez que aparece una identidad nueva. Una red siamesa, en cambio, generaliza: aprendida la noción de «parecido», puede comparar caras o firmas que nunca vio en el entrenamiento. Quedan como cuestiones abiertas la elección de los pares o tríos de entrenamiento —el «minado» de negativos difíciles influye mucho en la calidad— y el que los embeddings hereden sesgos presentes en los datos.