参考:https://blog.csdn.net/zeroQiaoba/article/details/80086906
triplet_loss改进 :参考 https://blog.csdn.net/weixin_41803874/article/details/116202667

损失函数

在这里插入图片描述

对比损失函数(Contrastive loss function)

在这里插入图片描述
在这里插入图片描述

三元组损失(triplet loss)

在这里插入图片描述
在这里插入图片描述

triplet loss 和 contrastive loss 三元组损失 和 对比损失 的缺陷

两者都需要精细设计的 对的选择
由此引入Large_margin softmax(L-softmax)。
在这里插入图片描述

L-Softmax(取log)

entropy loss
https://blog.csdn.net/Trance95/article/details/117876414
KL散度=交叉熵-熵
Softmax loss
交叉熵损失,softmax函数,全连接层 的结合。
https://baike.baidu.com/item/softmax%20%E9%80%BB%E8%BE%91%E5%9B%9E%E5%BD%92/22689563?fr=aladdin
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
L-softmax 给出了更严格的决策边界。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Logo

魔乐社区(Modelers.cn) 是一个中立、公益的人工智能社区,提供人工智能工具、模型、数据的托管、展示与应用协同服务,为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作,由全产业链共同建设、共同运营、共同享有,推动国产AI生态繁荣发展。

更多推荐