[2] Miller D , Sunderhauf N , Milford M , et al. Class Anchor Clustering: A Loss for Distance-based Open Set Recognition[C]// 2021 IEEE Winter Conference on Applications of Computer Vision (WACV). IEEE, 2021.
本文引入了类锚聚类(CAC)损失来替代CE loss,在基于距离的开放集识别中达到了最先进的性能。
- 在训练时,该方法将tuplet损失和中心损失结合起来,制定了一个新的损失函数,即类锚聚类损失,用于开放集识别。其中,中心损失和上面这篇TCSVT上的文章类似,唯一的区别是类中心的计算方法不一样,如下面的公式6,7所示,是一个独热向量。而tuplet损失就是人脸识别中常用的损失tuplet损失,区别是人脸识别中tuplet损失中使得同类样本的距离尽量小,不同类的样本距离尽可能大,而这里是使得样本和同类中心的距离尽量小,和不同类的中心距离尽可能大,其中距离的计算和中心损失一样,是一个独热向量(因此tuplet损失等价于基于距离的交叉熵损失,但不是softmax(类似于相似度,越大越接近)的交叉熵,而是softmin(类似于距离,越小越接近)的交叉熵)。所以,总的损失CAC损失函数如下