关于对比损失(contrasive loss)的理解(相似度越大越相似的情况):
def contro_loss(self):'''总结下来对比损失的特点:首先看标签,然后标签为1是正对,负对部分损失为0,最小化总损失就是最小化类内损失(within_loss)部分,让s逼近margin的过程,是个增大的过程;标签为0是负对,正对部分损失为0,最小化总损失就是最小化between_loss,而且此时between_loss就是s,所以这个过程也是最小化s的过程,也就使不相似的对更不相似了'''s = self.similarityone = tf.constant(1.0)margin = 1.0y_true = tf.to_float(self.y_true)# 类内损失:max_part = tf.square(tf.maximum(margin-s,0)) # margin是一个正对该有的相似度临界值within_loss = tf.multiply(y_true,max_part) #如果相似度s未达到临界值margin,则最小化这个类内损失使s逼近这个margin,增大s# 类间损失:between_loss = tf.multiply(one-y_true,s) #如果是负对,between_loss就等于s,这时候within_loss=0,最小化损失就是降低相似度s使之更不相似# 总体损失(要最小化):loss = 0.5*tf.reduce_mean(within_loss+between_loss)return loss
关于对比损失(contrasive loss)的理解(相似度越大越相似的情况):相关推荐
- 对比损失Contrastive Loss
[时间]2-019.01.21 [题目]对比损失Contrastive Loss PS:本文转载自Contrastive Loss Contrastive Loss 在传统的siamese netwo ...
- 诺基亚n79 java性能_诺基亚N79即将出现,N79与N82对比,综合性能与可买度提升大吗?...
从两款机器的设计风格来看,其实也是传统诺基亚智能手机的设计风格,无论从材质还是做工来说,两款机器都让人觉得比较相似,当然也有所不同.诺基亚N82,相信大家已经非常的熟悉了,文章中见过多次,采用传统直板 ...
- Understanding the Behaviour of Contrastive Loss理解对比损失的性质以及温度系数的作用
论文标题:Understanding the Behaviour of Contrastive Loss Understanding the Behaviour of Contrastive Loss ...
- 计算机视觉之分类任务常用损失值loss对比分析
计算机视觉分类任务常用损失值loss对比分析 一.对比分析cross-entropy loss.Focal Loss.asymmetric_loss.GFocal Loss之间的关系及改进 1. 分类 ...
- 对比学习和度量学习loss的理解
度量学习和对比学习的思想是一样的,都是去拉近相似的样本,推开不相似的样本.但是对比学习是无监督或者自监督学习方法,而度量学习一般为有监督学习方法.而且对比学习在 loss 设计时,为单正例多负例的形式 ...
- 机器学习笔记 - 关于Contrastive Loss对比损失
一.对比损失 虽然二元交叉熵(下图公式)肯定是损失函数的有效选择,但它不是唯一的选择(甚至不是最佳选择). 然而,实际上有一个更适合孪生网络的损失函数,称为对比损失. 其中Y是我们的标签.如果图像对属 ...
- 对比损失的PyTorch实现详解
对比损失的PyTorch实现详解 本文以SiT代码中对比损失的实现为例作介绍. 论文:https://arxiv.org/abs/2104.03602 代码:https://github.com/Sa ...
- 深度学习loss函数理解
机器学习中的范数规则化之L0.L1.L2范数及loss函数 监督机器学习问题无非就是"minimizeyour error while regularizing your parameter ...
- 三元组损失 Triplet Loss及其梯度
Triplet Loss及其梯度 Triplet Loss及其梯度_jcjx0315的博客-CSDN博客 Triplet Loss简介 我这里将Triplet Loss翻译为三元组损失,其中的三元也就 ...
最新文章
- 情感分析:基于循环神经网络
- 浙江大学数学专业考研试题参考解答
- JavaScript(3)之——对象的属性描述符
- Android使用popueWindow自定义Spinner
- HarmonyOS之分布式任务调度开发流程
- POJ - 2528 Mayor's posters(线段数+离散化)
- od send断点 下_Win7 od下send断点
- 李志民:只修长城不会有真正的安全
- 创建微服务多模块项目
- docker 使用非加密registry
- matlab如何动态输出很长的图片,Qt实现长图片的放大缩小以及动态显示
- ACER微型计算机支持MSATA,宏基S7超级本惊现双主控mSATA SSD 速度近900MB/s
- VS2012 正式版BUG太多
- IDEA 插件开发 发送弹框提示信息
- 实对称矩阵的相似对角化
- Squid代理服务器应用及配置(图文详解)
- 互联网快讯:知乎登陆港交所;极米Z6X Pro、极米H3S超强性能获肯定;华为将发布新款折叠屏手机
- 2021-12-29 神经网络
- x射线mas_X射线视觉
- ClickHouse入门到精通
热门文章
- PHP的ob_flush()与flush()区别
- 【万兴PDF专家】OCR引擎的离线安装方法,让你不受网速的折磨,PDF给OCR成可搜索的高级PDF,牛逼了我的万兴
- 激活函数的作用是什么
- Win32编程基础知识(包括对程序的分析)
- 海龟交易法则11_历史测试的谎言
- 【大学生软件测试基础】三角形构成问题 - 决策表
- IDEA配置注释模板
- python opencv2 将两张图片合并为一张
- 【递归 动态规划 备忘录法】Fibonacci数列(斐波那契数列)(C++)
- As Error:Failed to find configured root that contains /storage/emulated/0/xxx/xxx/xxx.png