详解Siamese网络和contrastive loss的讲解

最新推荐文章于 2025-03-25 23:40:50 发布

一只tobey

最新推荐文章于 2025-03-25 23:40:50 发布

阅读量2.5k

点赞数 1

原文链接：https://blog.csdn.net/ybdesire/article/details/84072339

版权

论文专栏收录该内容

40 篇文章

订阅专栏

全部参考以下文章：

1.详解Siamese网络

2.Contrastive Loss (对比损失)

3.Siamese network 孪生神经网络的应用，伪孪生网络

详细的部分摘抄和记录：

# tensorflow伪代码
def contrastive_loss(self, y,d,batch_size):
      tmp= y *tf.square(d)
      #tmp= tf.mul(y,tf.square(d))
      tmp2 = (1-y) *tf.square(tf.maximum((1 - d),0))
      return tf.reduce_sum(tmp +tmp2)/batch_size/2

欧式距离表示两个文本向量在空间之间的距离，如果距离很小说明样本相似；反过来，两个文本越相似，那么它们之间的欧式距离越小；从上面图中我们可以看出，x轴为d（欧式距离），以红色虚线为例，它们描述了两个相似文本loss与欧式距离之间的关系，因为欧式距离越大与"两个文本相似"这个事实事与愿违，那么我们就对它们惩罚越大（即loss越大）