前言
最近开始学习cs231n的课程,想从基础上再梳理一下视觉相关的知识点,课程中有些概念的解释还是非常巧妙的,将自己有些领悟的地方记录下来,方面以后回顾。
Loss Functions
SVM Loss
对于一个线性模型,计算出来的值就是某张图片对于每个类别的分数。
如上图的计算一样,假设我们现在有了一组W,如何判断这个W的表现如何呢?
因此引入了loss函数,用这个loss函数计算出来的值来评估这组W计算出来的结果与我们期待的结果之间的差距。我们期待的情况当然是这张图片真实label位置计算出来的score要大于其他位置的score,如果符合这个要求,loss就为0,否则就会有loss值产生以表示跟我们期待的情况有差距。
给定样本,
从1到N,N是总共样本个数,我们会对每一个样本求loss,然后汇总得到总共的loss
按照上面提到的思路,我们希望图片真实label的score要高于其他位置score,这里为了提高robustness,我们增加一个margin值,让真实label是score大于其他位置score+margin,假定margin为1,那么loss可以如下表示,叫做SVM loss
表示正确label的得分,