Circle loss和不定分类的loss

最新推荐文章于 2022-09-19 11:48:11 发布
最新推荐文章于 2022-09-19 11:48:11 发布
阅读量594 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39006282/article/details/106804783
版权

冷不丁看名字眼生, 瞄了眼论文想起来了. 为了方便在此做个引子, 方便查找.

建议读这个博客,仰望大神.
知乎的解释, 论文作者也有回答.

引子

k分类问题该怎么设计loss?
选择circle loss.
它能让正负例同时效劳, 并逼迫网络让负例更小, 正例更大, 直到所有正例的概率大于所有负例的概率.
这比传统的loss有更高的要求, 且是一步步推导出来的, 可解释性很强.

对于k不确定的分类, 又怎么办?
可以设置一个标签s0, 令所有正例的s比s0大, 所有负例的s比s0小. 只需稍微修改loss, 简化后形式简洁, 很养眼.具体请看第一个链接的式(11).

蒸土豆的技术细节
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【论文简介】Circle Loss: A Unified Perspective of Pair Similarity Optimization
victorygod的专栏
07-20 793
Circle Loss: A Unified Perspective of Pair Similarity Optimization 旷世cvpr2020的一篇文章，站在更高的视角，统一了deep feature learning的两大基础loss：基于class-level label的loss（如softmax + cross entropy）和基于pair-wise label的loss（如triplet loss），指出了这二者没有本质差异，都是在最小化类间相似度（记为Sn），最大化类内相似度（记
Circle Loss解读：将softmax+交叉熵推广到多标签分类上
最新发布
taoqick的专栏
05-26 517
circle loss在实际应用中，是非常强力的。在诸如行人reid、车辆reid、人脸识别、通用细粒度检索的超大（业务）规模数据集上，它的表现是很不错的。对于circle loss的理解，可以把它看成是。，但更大的贡献应该是巧妙地带来了。
circle loss代码实现_Focal loss的简单实现(二分类+多分类)
weixin_39629780的博客
11-26 559
focal loss提出是为了解决正负样本不平衡问题和难样本挖掘的。这里仅给出公式，不去过多解读： 是什么？就是预测该类别的概率。在二分类中，就是sigmoid输出的概率；在多分类中，就是softmax输出的概率。原始的CE loss（crossentropy loss）：简单说明：在CE loss的基础上增加动态调整因子，是预测概率高的（易分样本）的loss拉低，预测概率低的（难分样本）的los...
人脸识别Loss：Circle Loss
u013250861的博客
06-15 405
人脸识别的关键是在最大化类内相似度的同时，最小化类间的相似度，如果以 [公式] 为类内相似度，以 [公式] 为类间相似度的话，那么人脸识别的目标可以简化为最小化[公式] 。作者用[公式] 总结归纳了人脸识别的目标，这个看起来显然的目标在Circle Loss之前，分了两类。一类是基于对的Loss，以Triplet为代表，Triplet的目标是 [公式] 。基于对的Loss在表现形式上和目标的形式很接近。参考资料： 人脸识别Loss：Circle Loss......
Circle Loss：从统一的相似性对的优化角度进行深度特征学习 | CVPR 2020 Oral
晓飞的算法工程笔记
05-26 1169
论文提出了Circle loss，不仅能够对类内优化和类间优化进行单独地处理，还能根据不同的相似度值调整对应的梯度。总体而言，Circle loss更灵活，而且优化目标更明确，在多个实验上都有较好的表现，个人认为是一个很好的工作   来源：晓飞的算法工程笔记 公众号 论文: Circle Loss: A Unified Perspective of Pair Similarity Optimization 论文地址：https://arxiv.org/abs/2002.10857 Introduc.
Circle-Loss:Tensorflow2实现CircleLoss。支持类级，稀疏类级，成对标签
03-21
from circle_loss import SparseCircleLoss , CircleLoss , PairCircleLoss # General usage model . compile ( loss = CircleLoss ( gamma = 64 , margin = 0.25 ), optimizer = k . optimizers . Adam (), ...
circle_Circle_
09-30
综上所述，"circle_Circle_"可能是一个提供高度定制的圆环绘制功能的代码实现，它利用了编程语言的图形库和数学原理来创建和操纵圆环。具体代码的实现细节和功能会根据所选的编程语言和环境有所不同。要深入理解这个...
Circle.rar_MFC circle
07-15
总结来说，"Circle.rar_MFC circle"项目展示了如何利用MFC和Bresenham算法在Windows环境中绘制圆形。通过这个实例，我们可以了解到MFC如何简化Windows应用程序的开发，以及Bresenham算法如何在有限的计算资源下高效...
详解opencv中画圆circle函数和椭圆ellipse函数
09-18
在OpenCV库中，`circle`和`ellipse`函数是用来在图像上绘制圆和椭圆的基本操作。这两个函数使得开发者能够方便地在图像处理和计算机视觉应用中添加几何形状。 首先，我们来看`circle`函数。这个函数的原型如下： `...
ShapeExp1.rar_Shape Circle
09-23
编写Java Application程序，定义抽象类Shape，抽象方法为showArea()，求出面积并显示，定义矩形类Rectangle,正方形类Square,圆类 Circle，根据各自的属性，用showArea方法求出各自的面积，在main方法中构造3个对象，...
Circle loss
qq_35632035的博客
01-30 6305
Circle loss 主要有以下亮点可以做相关的详细描述。 首先第一点circle loss是基于triplet loss，改进而来的一种新型的loss定义。它的改进点在于，原本triplet loss对于正负样本采用平均用力的方式进行优化。使得在模型收敛的时候，对于正负样本的区分力度不够。Circle loss 在正负样本对加入了一个权重，控制正负样本对各自的梯度贡献，最后就可以得到一个更有区分力度的模型。 随后第二点，circle loss 在实现的过程中，同样借鉴了arc fac...
Circle Loss
dbdxwyl的博客
11-18 3159
1.三元组损失定义 F. Schroff, D. Kalenichenko, and J. Philbin. FaceNet: A Unified Embedding for Face Recognition and Clustering. In CVPR, 2015. 其中xa指anchor样本，xp为anchor的正样本，xn为anchor的负样本，α为正常数。 困难（N<P）,一般（P>N && Loss>0）,简单（P>N &&.
【ReID】Circle Loss: A Unified Perspective of Pair Similarity Optimization
锥栗的博客
05-07 1038
Circle Loss: A Unified Perspective of Pair Similarity Optimization痛点模型1）统一Triplet和softmax的损失函数2）退化为Softmax loss3）退化为Triplet Loss4）对比Triplet/Softmax loss的梯度5）Circle Loss6）削减超参数7）对比Circle Loss的梯度实验写作问题参......
circle loss代码实现_【PyTorch】梯度爆炸、loss在反向传播变为nan
weixin_39989875的博客
11-27 946
0. 遇到大坑笔者在最近的项目中用到了自定义loss函数，代码一切都准备就绪后，在训练时遇到了梯度爆炸的问题，每次训练几个iterations后，梯度和loss都会变为nan。一般情况下，梯度变为nan都是出现了 , 等情况，导致结果变为+inf，也就成了nan。1. 问题分析笔者需要的loss函数如下： 其中， 。从理论上分析，这个loss函数在反向传播过程中很可能会遇到梯度爆炸，这是为什...
circle loss代码实现_一种写法统一人脸Loss：Pytorch实现及Mnist可视化
weixin_39621456的博客
11-30 390
↑ 点击蓝字关注极市平台作者丨赵赫 Mccree来源丨Smarter编辑丨极市平台极市导读本文主要总结了softmax、Modified Softmax、NormFace、SphereFace、InsightFace、Center Loss六种loss的Pytorch实现以及Mnist的可视化实验，让大家能够借助代码更深刻的理解Loss的设计以及直观的比较各种Loss的有效性。&g...
对比学习损失篇，从L-softmax到AM-softmax到circle-loss到PCCL
algorithm learning blog
09-19 2393
对比学习损失篇，从L-softmax到AM-softmax到circle-loss到PCCL
CVPR 2020 Oral 线上分享 | Circle Loss，从统一视角提升深度特征学习能力
旷视开发者技术社区
06-11 662
Circle Loss 在两种基本学习范式，三项特征学习任务（人脸识别，行人再识别，细粒度图像检索），十个数据集上都取得了极具竞争力的表现：在人脸上，采用分类模式，Circle Loss...
CVPR 2020 Oral | 旷视研究院提出Circle Loss，革新深度特征学习范式
Paper weekly
03-27 4039
IEEE 国际计算机视觉与模式识别会议 CVPR 2020 (IEEE Conference on Computer Vision and Patter...
circle loss代码实现_梯度下降迭代更新多元线性回归参数的Numpy实现
weixin_39891262的博客
11-27 198
引言梯度下降作为目前非线性预测模型(随机森林、支持向量机、神经网络、深度学习等)的主流参数更新方法，鲜有在线性回归模型中进行利用。主要原因笔者认为有以下两点:一方面，归功于非线性模型超高的模型拟合优度以及分类精度。另一方面，解析法求解线性模型参数的方式已广泛地被学者们认可。但是，这并不意味着线性模型的发展停滞不前，线性模型的计算复杂度低，效率高，在预测领域仍然具有较高的探索价值。因此，为了更好地优...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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