『深度概念』度量学习中损失函数的学习与深入理解 (10)

日期：2021-10-26 栏目：程序人生浏览：次

$\LARGE L_6 = -\frac{1}{N} \sum_{i=1}^{N} log( \frac{e^{s(cos(\theta_{yi})-m)}}{e^{s(cos(\theta_{yi})-m)}+ \sum_{j=1, j\neq y_i}^k e^{scos \theta_j}})$

『深度概念』度量学习中损失函数的学习与深入理解

上式中，s为超球面的半径，m为margin。

7. ArcFace

对比arcface和cosface这两个函数，发现arcface是直接在角度空间中最大化分类界限，而cosface是在余弦空间中最大化分类界限，这样修改是因为角度距离比余弦距离在对角度的影响更加直接。

$\LARGE L_7= -\frac{1}{N} \sum_{i=1}^{N} log(\frac{e^{s(cos(\theta_{yi}+m))}}{e^{s(cos(\theta_{yi}+m))}+\sum_{j=1,j\neq y_i}^k e^{scos\theta_j}})$

『深度概念』度量学习中损失函数的学习与深入理解

分类的决策边界如下：

转载注明出处：https://www.heiqu.com/zwwwyy.html

『深度概念』度量学习中损失函数的学习与深入理解 (10)

相关推荐