『深度概念』度量学习中损失函数的学习与深入理解 (4)

    

\large L_C = -\frac{1}{2}{\sum\limits_{i=1}^m}{||x_i-c_{y_i}||}^2

『深度概念』度量学习中损失函数的学习与深入理解

    

\large \Delta{c_j}=\frac{{\sum\limits_{i=1}^m}{\delta{(y_i=j)}\cdot{(c_j-x_i)}}}{1+{\sum\limits_{i=1}^m}{\delta{(y_i=j)}}}

『深度概念』度量学习中损失函数的学习与深入理解

center loss 考虑到不仅仅是分类要对,而且要求类间有一定的距离。上面的公式中

\large c_{y_i}

『深度概念』度量学习中损失函数的学习与深入理解

​表示某一类的中心,

『深度概念』度量学习中损失函数的学习与深入理解

​表示每个人脸的特征值。作者在softmax loss的基础上加入了

\large L_C

『深度概念』度量学习中损失函数的学习与深入理解

​,同时使用参数

\large \lambda

『深度概念』度量学习中损失函数的学习与深入理解

​来控制类内距离,整体的损失函数如下:

内容版权声明:除非注明,否则皆为本站原创文章。

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