centerloss论文学习笔记
来源:互联网 发布:网络诈骗200元立案吗 编辑:程序博客网 时间:2024/06/05 16:46
资料准备
论文: A Discriminative Feature Learning Approach for Deep Face Recognition
github: Deep Face Recognition with Caffe Implementation
引言
传统的分类方法,只关注能够分类(Separable Feature),而忽视了特征的辨别(Discriminative Features),如图所示。
收集到所有特征拿来训练是不现实的,训练出来的模型要能分类出未在训练集中被标注过的类别
- 训练结果中会存在类内差距(intra-class)比类间差距(inter-class)还大的情况,如图所示。
算法介绍
softmax
Wx+b为上一层输出的多维向量,m为mini-batch值,n为类别数,计算后获得一组概率向量,分别代表每一个类的概率。
center loss
center loss的提出,被作为以上三点的一种解决方案。
为了最小化深层特征学习时的类内变化,同时又能分类不同的特征,提出center loss的公式:
其中,cyi表示第yi个类别的深层特征的中心,xi表示全连接层之前的特征,m是mini-bathch的大小,n为类别数。
Lc的梯度和cy的更新计算如下:
结合softmax和centerloss
单纯使用softmax,只注重分类,造成类内距离特别大。
单纯使用centerloss,则深层特征和特征中心则会衰减为0。
提出公式:
参数那么大(/(ㄒoㄒ)/~~)用来平衡两个损失函数。当那么大为零时,就是单纯的softmax
随着nameda的增大,类内距离越来越小。
网络结构
- 论文中提供的网络结构
- github提供的基于mnist网络的样例
缩略图
全图
参考文献
* A Discriminative Feature Learning Approach for Deep Face Recognition
* 损失函数改进之Center Loss
* Center Loss - A Discriminative Feature Learning Approach for Deep Face Recognition 论文理解
- centerloss论文学习笔记
- 人脸识别系列-Centerloss论文阅读笔记
- centerloss的论文解读
- 论文学习笔记:GFS
- 论文学习笔记:MapReduce
- 论文学习笔记:BigTable
- LDA论文学习笔记
- 论文学习笔记:BigTable
- AlexNet论文学习笔记
- GoogLeNet论文学习笔记
- RCNN 论文学习笔记
- 论文学习笔记-Alexnet
- 深度学习论文笔记
- YOLO论文学习笔记
- 深度学习论文笔记:OverFeat
- 深度学习论文笔记:OverFeat
- 深度学习论文笔记:OverFeat
- 深度学习论文笔记:YOLO
- MQ消息队列系列(1)为什么使用MQ
- win10自带的wifi热点打不开——解决办法
- 【C++】智能指针auto_ptr/unique_ptr/shared_ptr/weak_ptr!!!
- java多线程
- 欢迎使用CSDN-markdown编辑器
- centerloss论文学习笔记
- 路由算法
- 两个链表的第一个公共结点
- python3 对迭代器进行切片
- Java垃圾回收机制
- oracle 创建表空间、用户、授权的详细操作sql语句(windows)
- 栈
- jvm原理
- OkHttp3详细使用教程