Euclidean Margin vs Angular Margin

最新推荐文章于 2022-04-05 16:04:02 发布

weixin_30824599

最新推荐文章于 2022-04-05 16:04:02 发布

阅读量306

点赞数

文章标签： javascript 人工智能 ViewUI

原文链接：http://www.cnblogs.com/heixialee/p/11174980.html

版权

Euclidean Based Margin:

Contrastive Loss

$L=\frac{1}{2N}\sum_{n=1}^Ny\cdot||a_n−b_n||^2+(1−y)\cdot \max(margin−||a_n−b_n||^2,0)$

Triple Loss

$Loss=\sum_{j}^{N}(||f(x_j^a)-f(x_j^p)||_2^2-||f(x_j^a)-f(x_j^n)||_2^2+\gamma)$

Angular Based Margin:

L-Softmax

A-Softmax

一个思想：

通过加入一些限制，获取剔除一些衡量标准，能够很好的压缩类内的距离和加大类间的距离

比如L-Softmax 到 A-Softmax, 剔除了幅度的衡量，完全由角度来区分类别，更好的压缩了类内的距离，加大了类间的距离

个人思考：为什么对人脸识别，Angular Based Margin 好于 Euclidean Based Margin ？

如果使用欧式距离，并没有对衡量做任何裁剪。而使用Angular based的margin，可以归一化幅度，从而只依赖于角度去衡量。

从某种程度上来说，减少了衡量的维度，使得特征更有区分性

转载于:https://www.cnblogs.com/heixialee/p/11174980.html

weixin_30824599

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
Euclidean Margin vs Angular Margin

Euclidean Based Margin:Contrastive LossTriple LossAngular Based Margin:L-SoftmaxA-Softmax一个思想：通过加入一些限制，获取剔除一些衡量标准，能够很好的压缩类内的距离和加大类间的距离比如L-Softmax 到 A-Softmax, 剔除了幅度的衡量，完全由角度来区分...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。