其他分享
首页 > 其他分享> > 深度度量学习中的损失函数

深度度量学习中的损失函数

作者:互联网

1、对比loss/Contrastive Loss

1、经典对比loss

目的:对于positive pair,输出特征向量间距离要尽量小;对于negative pair,输出特征向量间距离要尽量大,但若 特征向量距离大于一定值,则不处理这种easy negative pair
经典的Contrastive Loss形式来自于LeCun的文章:Dimensionality Reduction by Learning an Invariant Mapping

表示输入pair得到的特征向量间欧式距离;输入pair属于同一类时 Y=0 ,不同类时 Y=1 。

标签:Loss,函数,特征向量,Contrastive,negative,距离,深度,pair,度量
来源: https://www.cnblogs.com/pyclq/p/16521826.html