def center_loss(features, label, alfa, nrof_classes):
"""Center loss based on the paper "A Discriminative Feature Learning Approach for Deep Face Recognition"
(http://ydwen.github.io/papers/WenECCV16.pdf)
"""
#获取特征向量长度
nrof_features = features.get_shape()[1]
#生成可以共享的变量centers,由于center loss在计算图中只存在于一个节点处,因此这个变量只使用一次
#不需要所谓的variable_scope,就可以实现每次共享?
centers = tf.get_variable('centers', [nrof_classes, nrof_features], dtype=tf.float32,
initializer=tf.constant_initializer(0), trainable=False)
label = tf.reshape(label, [-1])
#取出对应label下对应的center值,注意label里面的值可能会重复,因为一个标签下有可能会出现多个人
centers_batch = tf.gather(centers, label)
#求特征点到中心的距离并乘以一定的系数,alfa是center的更新速度,越大代表更新的越慢
diff = (1 - alfa) * (centers_batch - features)
#更新center,输出是将对应于label的centers减去对应的diff,如果同一个标签出现多次,那么就减去多次
centers = tf.scatter_sub(centers, label, diff)
#求center loss,这里是将l2_loss里面的值进行平方相加,再除以2,并没有进行开方
loss = tf.nn.l2_loss(features - centers_batch)
return loss, centers
tensorflow center loss代码注释
最新推荐文章于 2024-03-07 17:16:31 发布