auc 损失_ICPR 2020 | CC-Loss:用于图像分类的通道相关损失函数

本文介绍了CC-Loss,一种用于图像分类的通道相关损失函数,旨在限制类与通道的特定关系,保持类内和类间的可分离性。实验表明,使用CC-Loss训练的模型在多个数据集上表现出优于其他损失函数的性能。
摘要由CSDN通过智能技术生成

15c10c576304e38b8fe54779c1a0b545.png

CC-Loss(Channel Correlation Loss,通道相关损失),可以限制类与通道之间的特定关系,并保持类内和类间的可分离性。表现SOTA!性能优于FICAL、MC Loss和CE Loss等损失函数。

CC-Loss: Channel Correlation Loss For Image Classification

e5b95a5919321022e0fc9bd51d342917.png
作者单位:北邮, 兰州理工, 奥尔堡大学
论文: https:// arxiv.org/abs/2010.0546 9

注:如果上述论文链接无法访问,可以看文末,论文已上传至百度云,方便下载。

损失函数是深度学习模型中的关键组件。常用的分类损失函数是交叉熵损失,它是信息论对分类问题的一种简单而有效的应用。基于此损失,通过添加类内和类间约束以增强学习特征的判别能力,提出了许多其他损失函数。但是,这些损失函数无法考虑特征分布与模型结构之间的联系。为了解决这个问题ÿ

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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