人脸识别尝试失败欧氏距离

本文探讨了在人脸识别中使用欧氏距离作为损失函数的问题,指出正样本和负样本优化目标的冲突,建议使用余弦距离。作者通过分析欧氏距离和余弦距离的差异,说明在归一化后两者等价,并引用相关资源讨论了转换的原因可能与计算复杂度有关。
摘要由CSDN通过智能技术生成

Pytorch损失函数优化的目标是让loss越小越好,如果损失是平方,最小是0,所以优化目标是为0

如果人脸识别用欧式距离,正样本距离越小越好,距离的平方即可,

负样本这是欧式距离,目标是让距离越大也好,loss只能越小越好,那就距离乘以-1,确实会越来越小,但是loss向负无穷靠近,正样本的loss很小,感觉被淹没忽略了,

所以人脸识别用距离损失函数感觉不太合适。

以下内容转自:

人脸识别之欧氏距离——余弦距离_猫猫与橙子的博客-CSDN博客

最近训练了一个人脸识别模型,在测试集上的效果较之前的模型相比(lfw,cfp_fp,agedb_30),accucay都有所提升,但是在自己的测试集效果上却特别差。然后仔细的研读了相应的测试代码,先把训练工程中的代码贴出来:

diff = np.subtract(embeddings1, embeddings2)#做减法
dist = np.sum(np.square(diff), 1)#计算各元素的平方后

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值