如何将双约束的LossFunction改写为长尾词？
- 内容介绍
- 文章标签
- 相关推荐
本文共计194个文字，预计阅读时间需要1分钟。
《双约束Loss函数概述》
本文简要介绍了双约束Loss函数，该函数在深度学习领域被广泛应用于人脸表征任务。
Sun Y, Chen Y, Wang X等在《Deep learning face representation by joint identification》一文中对双约束Loss函数进行了详细阐述。
双约束的LossFunction摘录zhuanlan.zhihu.com/p/34404607Sun Y, Chen Y, Wang X, et al. Deep learning face representation by joint identification-verification [C]// NIPS, 2014. Sun Y, Wang X, Tang X. Deeply learned face representations are sparse, selective, and robust [C]// CVPR, 2015. Sun Y, Liang D, Wang X, et al. Deepid3: Face recognition with very deep neural networks [J]. arXiv, 2015. DeepID2, DeepID2, DeepID3都在采用Softmax Contrastive LossContrast Loss是 同类特征的L2距离尽可能小不同类特征的L2距离大于margin(间隔) mContrastive Loss同时约束类内紧凑和类间分离。
本文共计194个文字，预计阅读时间需要1分钟。
《双约束Loss函数概述》
本文简要介绍了双约束Loss函数，该函数在深度学习领域被广泛应用于人脸表征任务。
Sun Y, Chen Y, Wang X等在《Deep learning face representation by joint identification》一文中对双约束Loss函数进行了详细阐述。
双约束的LossFunction摘录zhuanlan.zhihu.com/p/34404607Sun Y, Chen Y, Wang X, et al. Deep learning face representation by joint identification-verification [C]// NIPS, 2014. Sun Y, Wang X, Tang X. Deeply learned face representations are sparse, selective, and robust [C]// CVPR, 2015. Sun Y, Liang D, Wang X, et al. Deepid3: Face recognition with very deep neural networks [J]. arXiv, 2015. DeepID2, DeepID2, DeepID3都在采用Softmax Contrastive LossContrast Loss是 同类特征的L2距离尽可能小不同类特征的L2距离大于margin(间隔) mContrastive Loss同时约束类内紧凑和类间分离。