『深度概念』度量学习中损失函数的学习与深入理解 (4)

日期：2021-10-26 栏目：程序人生浏览：次

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

『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：