摘要：圖像相似度學習是指通過網絡學習圖像內容信息來預測兩張圖像是否匹配。迄今為止,基于卷積神經網絡改進的變體網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網絡結構的雙分支網絡。該網絡為左右分支網絡結構相同,但權值不共享,網絡輸入為雙分支輸入。首先由左右分支網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據集上進行對比試驗,結果表明,相比其他模型,本文提出的模型具有較強的網絡學習能力和模型泛化能力,準確率高達97.96%。