inter-class 和 intra-class的异同

打篮球的程序员

已于 2022-07-03 22:41:32 修改

阅读量4.1k

点赞数 12

文章标签：计算机视觉深度学习

于 2022-07-03 22:12:59 首次发布

本文链接：https://blog.csdn.net/m0_52060121/article/details/125590408

版权

本文解释了图像分类中的Inter-Class与Intra-Class概念，前者指不同类别间的特征差异，后者指同一类别内不同实例间的特征差异。以人脸识别为例，阐述了增大类别间差异、减小类别内差异的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

inter-class 和 intra-class 都是图像分类中的术语，用于描述两种不同的特征
比如我们都知道人脸识别任务中用来训练的数据集分为好多不同的人，每个人就是一个类别，每个类别中又有好多单独的图片

inter-class

这个就是代表类别间的特征，比如人脸识别中不同的人脸部特征之间的差异

intra-class

这个就是代表类别内的特征，比如就是同一个人在不同状态下脸部的特征的差异（生气和开心的样子肯定不一样吧）

对于人脸识别任务来说，肯定是希望inter-class很大，intra-class很小，这样我们的模型才能更好的识别不同的类

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

打篮球的程序员

关注关注

12
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

MATLAB算法实战应用案例精讲-【人工智能】对比学习（概念篇）（补充篇）

qq_36130719的博客

05-05

2431

自监督学习（Self-supervised learning）最近获得了很多关注，因为其可以避免对数据集进行大量的标签标注。它可以把自己定义的伪标签当作训练的信号，然后把学习到的表示（representation）用作下游任务里。最近，对比学习被当作自监督学习中一个非常重要的一部分，被广泛运用在计算机视觉、自然语言处理等领域。它的目标是：将一个样本的不同的、增强过的新样本们在嵌入空间中尽可能地近，然后让不同的样本之间尽可能地远。在2014年生成对抗网络（GAN）推出之后，生成模型得到了很多关注。

2022-09-13 网工进阶（三十一） ipv6-概述、地址结构、ICMPv6、DHCPv6、路由协议（OSPFv3、IS-IS IPv6、BGP4+）

x629242的博客

10-31

6340

当前世界上不同地区对部署IPv6的需求强烈程度不一，且当前IPv4网络仍然占主流地位，因此短时间内IPv6和IPv4将会共存。1 逐跳选项报头：该扩展头被每一跳处理，可包含多种选项，如路由器告警选项。2 目的选项报头：目的地处理，可包含多种选项，如Mobile IPv6的家乡地址选项。3 路由报头：指定源路由，类似IPv4源路由选项，IPv6源节点用来指定信息报到达目的地的路径上所必须经过的中间节点。IPv6基本报头的目的地址不是分组的最终目的地址，而是路由扩展头中所列的第一个地址。

参与评论您还未登录，请先登录后发表或查看评论

intra-class与inter-class的区别

qq_40305043的博客

04-17

6654

“inter” means “between” or “among”. “intra” means “within”. 从international（国际的）和intranational（国内的）的角度来思考。第一个是“跨多个国家”，第二个是“在一个国家内”。在涉及尝试将样本分配给类别的许多问题中，目标是最大化类别间的差异，并最小化类别内的差异。也就是说，每个类别中的样本必须尽可能相似，而不同类别中的样本必须尽可能不同。参考：https://www.quora.com/Whats-the-differe

[论文笔记]Modeling Inter and Intra-Class Relations in the Triplet Loss for Zero-Shot Learning

qq_40079310的博客

11-02

859

Modeling Inter and Intra-Class Relations in the Triplet Loss for Zero-Shot Learning GitHub 一，概述当前绝大部分使用the triplet loss的工作都做了一些隐含的假设，而这些假设限制了他们在实际用例中的性能，特别是当数据集比较细粒度，包含大量类的情况下。而本文确定了其中的三个假设，并提出了相应的方法...

inter和intra跳变区别

09-21

inter和intra跳变区别

Verilog之delay的两种用法（inter/intra）

weixin_30289831的博客

11-15

2752

verilog语言中有两种延迟方式：inter-delay和intra-delay,关于inter和intra。这两个英文前缀都有“内部，之间”的意思，但又有所不同。inter表达不同事物之间，intra表达同类事物之间，两者具体的含义请细细体会：）。以阻塞式赋值为例（block assignment）： 1.inter-delay的表达式为:#delay-value a=b+c； ...

voxsrc20_ask_00-How to understand intra-class and inter-class distance in speaker recoginition?

weixin_46841421的博客

07-16

223

ID = voxsrc20_ask_00 Status: closed 文章目录QuestionAnswerReference Question How to understand these two distances? Since open-set speaker recognition is essentially a metric learning problem, the key is to learn features that have small intra-class and large

Intra-class low-rank regularization for supervised and semi-supervised cross-modal retrieval

qq_24876435的博客

03-10

2314

原文链接：Intra-class low-rank regularization for supervised and semi-supervised cross-modal retrieval | SpringerLink 监督和半监督的跨模态检索类内低秩正则化摘要：跨模态检索旨在跨不同模态检索相关项，例如，使用图像查询来检索相关文本。现有的深度方法在融合多种模态时忽略了模态内和模态间的类内低秩结构，降低了检索性能。本文提出了两种基于类内低秩正则化的深度模型，分别用于监督和半监督跨模态检索. 具体来

关于intra-optimization和inter-optimization的区别

LynnUCAS的专栏

06-22

1344

最近看anysee的论文，主要涉及到两个概念，一个是intra-optimization，另一个是inter-optimization，我将检索到的答案整理在一起，方便理解 intra-optimization主要关注的是单个覆盖网络内的优化，主要考虑的是覆盖网内节点的管理以及资源分配、负载均衡等问题 inter-optimization主要考虑的是网间的优化，涉及到多个覆盖网络，覆盖网络间的

四种内部类（局部内部类）

m0_63564929的博客

07-20

440

内部为顾名思义，是一个定义在一个类的内部的类，它们的方法可以访问包含它们的外部类的字段，内部类在设计具有相互协作关系的类集合时很有用。5.若局部内部类想要调用外部类的成员可以直接调用，而外部类要调用内部类的成员则要先创建对象（new一个）然后调用即可。首先它是一个内部类，我们可以知道他肯定要定义在一个类的内部，而根据它一些具体的特征我们可以定义一个局部内部类。类和内部类有重名的成员则遵循就进原则，如果想访问具体的属性可通过this来实现。虽然是一个内部类但是本质上还是一个类，类所具有的属性他全可以具有。..

评定数据之间的相似度指标----距离

极光喵的博客

02-02

1万+

文章目录前言一、基础距离曼哈顿距离（Manhattan）欧几里得距离（Euclidean）二、高级距离马氏距离(Mahalanobis Distance)2.余弦距离（cosine distance）三，类内距离和类间距离前言检测点到目标的的距离通常作为算法的分类或判别依据，被用作评定数据之间的相似度指标提示：以下是本篇文章正文内容，下面案例可供参考一、基础距离假设两点如下图所示：曼哈顿距离（Manhattan）欧几里得距离（Euclidean）二、高级距离马氏距离(Maha

深度多标签论文阅读（三）

qq_40345544的博客

10-28

1234

对阅读的十八篇深度多标签论文进行简要叙述。十三、 2019-CVPR-Visual Attention in Multi-Label Image Classiﬁcation 本篇文章提出了一个新的网络去解决多标签问题，该网络结合了多标签图像的分类特征（the features for classification）和图像的视觉显著性特征（如同人对不同图像的注意区域是不同的）（image sali...

HOG（梯度方向直方图）进行图像特征提取，实现掌纹识别！

m0_63253916的博客

12-19

992

本次目的是实现palmbases（600张掌纹）的识别，采用的重要推荐技术是HOG技术提取特征，也采用了pca传统特征提取进行对比，采用类内距离以及类间距离进行判定特征提取的质量！这些过程都是基于数学运算和统计方法的，以提取图像中的边缘和纹理信息，并实现对图像特征的编码。（由于类内距离1500个，类间距离178200，数量差距过大，红色部分不明显的问题，采用频率为纵坐标）（由于类内距离1500个，类间距离178200，数量差距过大，红色部分不明显的问题，采用频率为纵坐标）类内距离的计算（欧式距离）

类内距离与类间距离

最新发布

2401_84166413的博客

04-08

623

由于项目比较多，这里只是将部分目录截图出来，每个节点里面都包含素材文档、项目源码、讲解视频**

论文阅读-11-Handling Inter-class and Intra-class Imbalance in Class-imbalanced Learning

怪兽!!!的博客

03-03

595

类别不平衡是机器学习实践中的一个普遍问题。典型的不平衡学习(IL)方法通过直观的类别重采样或重加权来平衡数据。然而，以前的研究表明，除了类别不平衡之外，内在的数据困难因素，如重叠、噪声和小的间断也起着关键作用。为了处理它们，已经提出了许多解决方案(例如，噪声去除、边界采样、困难示例挖掘)，但是仍然局限于特定的因素，并且不能推广到更广泛的场景，这提出了一个有趣的问题：如何以统一的方式处理类别不可知的困难和类别不平衡？为了回答这个问题，我们考虑了类不平衡和它的正交：类内不平衡，即简单和困难样本上的不平衡分布。这

论文阅读|INTRA-CLASS UNCERTAINTY LOSS FUNCTION FOR CLASSIFICATION

qq_41983690的博客

08-31

396

主要观点提出基于高斯分布的损失函数，以处理类内不确定性问题高斯均值相当于类中心，不确定性用方差描述类似于类间margin，提出类内margin 原理阐述类样本不平衡会导致极坐标下的类分类变得困难 L-GM Loss: LL−GM=−1N∑i=1Nlog⁡e−dzi(1+α)∑mMe−dm(1+R(m=zi)α)+λ(dzi+12log⁡∣Λzi∣)\begin{aligned} \mathcal{L}_{L-G M}=&-\frac{1}{N} \sum_{i=1}^{N} \log

论文阅读：Deep Relative Distance Learning: Tell the Difference Between Similar Vehicles

Simon's Blog

06-29

1万+

CVPR 2016 的论文：《Deep Relative Distance Learning: Tell the Difference Between Similar Vehicles》，阅读笔记。

The Inter-Edge Encoder first utilizes a dual graph convolutional network (DGC) to obtain new edge embeddings of the original graph G. Then the dimension of edge embeddings is transformed to 1 by MLP to obtain edge weights denoted by weight matrix E. Weight matrix E can be used to control the weights of the neighborhood nodes to the target node during neighborhood aggregation. By increasing the weights between intra-class nodes and reducing the weights between inter-class nodes, the consistency of intra-class nodes and the difference of inter-class nodes can be strengthened. Therefore, weight matrix E can play the role of gating. Weight matrix E can be named the gated attention (GA) matrix. 解释这句话

06-01

这段话是在介绍Inter-Edge Encoder（一种用于图像分类的深度学习模型）中的关键步骤。具体来说，该模型首先使用双图卷积网络（DGC）对原始图G进行处理，得到新的边嵌入（edge embeddings）。接着，使用多层感知机（MLP）将边嵌入的维度转换为1，得到边权重矩阵E。该矩阵可以用来控制邻域聚合（neighborhood aggregation）过程中目标节点和邻居节点之间的权重。通过增加类内节点之间的权重，减少类间节点之间的权重，可以增强类内节点的一致性和类间节点的差异性。因此，矩阵E可以起到门的作用，控制邻域节点的权重分配。矩阵E也可以被称为门控注意力（gated attention，GA）矩阵，因为它可以控制注意力的分配。总之，这段话是在说明矩阵E在Inter-Edge Encoder中的作用和意义。