摘要：圖像相似度學習是指通過網(wǎng)絡學習圖像內容信息來預測兩張圖像是否匹配。迄今為止,基于卷積神經(jīng)網(wǎng)絡改進的變體網(wǎng)絡有效提升了學習效率,但由于提取特征比較單一無法準確描述圖像特征,導致相似度學習效率較低。為此,本文提出一種基于卷積神經(jīng)網(wǎng)絡結構的雙分支網(wǎng)絡。該網(wǎng)絡為左右分支網(wǎng)絡結構相同,但權值不共享,網(wǎng)絡輸入為雙分支輸入。首先由左右分支網(wǎng)絡分別提取單通道圖像特征;然后通過特征融合層進行特征融合;最后將融合特征直接輸入全連接層進行相似度學習,既改善了提取的圖像特征多樣性,又加快了模型訓練速度。在實驗室工業(yè)相機拍攝的芯片卡槽圖像數(shù)據(jù)集上進行對比試驗,結果表明,相比其他模型,本文提出的模型具有較強的網(wǎng)絡學習能力和模型泛化能力,準確率高達97.96%。