直播 | Circle Loss：从对相似性优化的统一视角进行深度特征学习

「PW Live」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 PW Live，我们邀请到旷视科技上海研究院算法研究员程昌茂，为大家带来Circle Loss：从对相似性优化的统一视角进行深度特征学习的主题分享。

对本期主题感兴趣的小伙伴，6 月 16 日（周二）晚 7 点，我们准时相约 PaperWeekly B 站直播间。

分享提纲

深度特征学习一直受到学术界的广泛关注，众多的损失函数被提出用于学习好的特征表示。例如，用于分类学习的 softmax cross entropy loss 及其变种 AM-Softmax（CosFace）、ArcFace 等，用于样本对距离优化的 contrastive loss 和 triplet loss 等。

本次分享的是我们在这一问题上的研究工作 Circle Loss: A Unified Perspective of Pair Similarity Optimization (CVPR2020 Oral)。该工作从对相似性优化的统一视角解读深度特征学习：当前的多数损失函数（包括 softmax cross entropy loss 和 triplet loss）将类内相似性和类间相似性配对并减小二者的差值。

进一步，我们发现这样的优化方式是不够灵活的，每个相似度应当根据其当前优化状态给予不同的优化权重。Circle Loss 以简洁的形式实现了灵活的优化方式和明确的收敛状态，在多项任务上取得了极具竞争力的性能。

本次分享的具体内容有：

深度特征学习经典范式
基于统一视角泛化损失函数表达
Circle Loss的技术贡献和性能分析

嘉宾介绍

程昌茂 / 旷视上海研究院研究员

程昌茂，旷视科技上海研究院算法研究员，硕士毕业于复旦大学。研究方向为深度特征表示学习。发表过数篇计算机视觉顶级会议论文。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「PW Live」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。

直播 | Circle Loss：从对相似性优化的统一视角进行深度特征学习相关推荐

旷视提Circle Loss，统一优化视角，革新深度特征学习范式 | CVPR 2020
作者 | 旷视研究院本文是旷视 CVPR 2020的被收录论文解读第.它提出用于深度特征学习的Circle Loss,从相似性对优化角度正式统一了两种基本学习范式(分类学习和样本对学习)下的损失函数 ...
Circle Loss: A Unified Perspective of Pair Similarity Optimization 圆损失函数，统一优化视角，革新深度特征学习范式 CVPR 2020
论文来源:CVPR 2020 论文链接最近旷视做了一项非常fundamental的工作.简单来讲,原来特征学习有 2 种基本范式,分类学习和 pairwise 学习,人们普遍都觉得这两者虽然有联系, ...
CVPR 2020 Oral | 旷视提出Circle Loss，革新深度特征学习范式
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达本文系旷视研究院投稿本文是旷视CVPR2020论文系列解读第4篇, ...
CVPR 2020 Oral | 旷视研究院提出Circle Loss，革新深度特征学习范式
IEEE 国际计算机视觉与模式识别会议 CVPR 2020 (IEEE Conference on Computer Vision and Pattern Recognition) 将于 6 月 14 ...
CVPR 2020 Oral | 人脸识别Loss新突破：旷视提出Circle Loss，革新深度特征学习范式...
关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 来源:旷视研究院@微信公众号旷视研究院提出用于深度特征学习的Circle Los ...
旷视提出Circle Loss，革新深度特征学习范式｜CVPR 2020 Oral
本文提出用于深度特征学习的Circle Loss,从相似性对优化角度正式统一了两种基本学习范式(分类学习和样本对学习)下的损失函数.通过进一步泛化,Circle Loss 获得了更灵活的优化途径及更明 ...
Circle Loss
1.三元组损失定义 F. Schroff, D. Kalenichenko, and J. Philbin. FaceNet: A Unified Embedding for Face Recogni ...
度量学习DML之Circle Loss
度量学习DML之Contrastive Loss及其变种_程大海的博客-CSDN博客度量学习DML之Triplet Loss_程大海的博客-CSDN博客度量学习DML之Lifted Structu ...
视频直播技术详解(5)延迟优化
from:http://geek.csdn.net/news/detail/106909 声明:本文为CSDN原创投稿文章,未经许可,禁止任何形式的转载. 作者:七牛云责编:钱曙光,关注架构和算法领 ...

直播 | Circle Loss：从对相似性优化的统一视角进行深度特征学习

直播 | Circle Loss：从对相似性优化的统一视角进行深度特征学习相关推荐

最新文章

热门文章