Red siamesa
Una red siamesa es una arquitectura de red neuronal compuesta por dos (o más) subredes idénticas que comparten los mismos pesos y parámetros. Está diseñada para comparar dos entradas y determinar su similitud.
Contexto
Este tipo de red fue introducido en la década de 1990 para tareas de verificación de firmas manuscritas. Su particularidad es que no clasifica directamente los datos, sino que produce una representación vectorial de cada entrada y luego mide su distancia (p. ej., euclidiana, coseno) para estimar su proximidad.
Aplicaciones
- Reconocimiento facial: verificar si dos fotos pertenecen a la misma persona.
- Detección de duplicados: identificar documentos o imágenes casi idénticas.
- Búsqueda de información: asociar una consulta con documentos relevantes.
- Biometría: análisis de huellas digitales o de voz.
Ventajas y limitaciones
✅ Eficaz para comparar pares de datos incluso con pocos ejemplos.
✅ Generaliza bien a nuevos casos (p. ej., personas no vistas durante el entrenamiento).
❌ Requiere un diseño cuidadoso de la función de distancia.
❌ Puede resultar costoso si el número de pares a comparar es muy elevado.
Las redes siamesas destacan porque permiten generalizar a clases nunca vistas, algo crucial en contextos de few-shot learning. En lugar de entrenar un clasificador cerrado con etiquetas fijas, se entrena un motor de similitud: si dos ejemplos se parecen en el espacio de características, se asumen de la misma categoría.
Su impacto se percibe en áreas como el reconocimiento facial a gran escala, la verificación biométrica multimodal o la búsqueda semántica en colecciones masivas de documentos. Para estos casos, se utilizan métricas como la distancia euclídea o el coseno, y funciones de pérdida diseñadas específicamente para empujar representaciones semejantes a estar más próximas.
Sin embargo, el uso en producción exige resolver un reto: la explosión combinatoria al comparar millones de pares. De ahí que se combinen con librerías de búsqueda rápida (approximate nearest neighbor search) o con técnicas de indexación jerárquica. Pese a estas limitaciones, las redes siamesas se consideran una de las piedras angulares del aprendizaje por similitud, influyendo en modelos modernos de lenguaje y visión.
📚 Referencias
- Bromley, J. et al. (1994). Signature Verification using a Siamese Time Delay Neural Network. NeurIPS.
- Koch, G. (2015). Siamese Neural Networks for One-shot Image Recognition.
