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 ...
最新文章
- 术语1----边界吸收
- 讲一讲什么是 MMAP
- ASP.NET(C#) 四舍五入、进一法、舍位(取整,舍去小数,向负无穷舍入)函数
- 【编译原理】第二章练习题
- CAN总线数据帧/标准帧/扩展帧/远程帧/错误帧的组成格式对比
- Spring的Lifecycle
- 华为鸿蒙OS发布!余承东:如果安卓不可用,随时启用鸿蒙
- 这个星期压力貌似比较大啊!
- java链表实现二叉树_Java 实现链表、二叉树的一些问题
- KVM通过qemu实现USB重定向
- python静态地图_Matplotlib Toolkits:地图绘制工具
- OKI系列针式打印机更换色带图解教程
- 【2020东京奥运会】 数据分析及可视化
- input file选择图片后预览 单图和多图
- 用P、V操作解决进程同步问题的解题步骤
- Java程序设置的目的_java程序设计教学大纲的课程性质与目的.doc
- react-native 报错Cannot add a child that doesn't have a YogaNode to a parent without a measur
- 转贴:粒子在施瓦西黑洞内部是如何运动的?
- 项目中的鉴权是如何实现的?
- 解决ssh packet_write_wait: Connection to 192.168.xx.xx port 22: Broken pipe的问题
热门文章
- python交互窗口怎么才能不连着上一个程序_python实现启动一个外部程序,并且不阻塞当前进程...
- JS排序算法之插入排序
- djang项目部署之IIS7部署
- DLX (Dancing Links/舞蹈链)算法——求解精确覆盖问题
- django - 替换admin的textarea为 富文本
- spring+hibernate+struts整合(1)
- FTP协议常用COMMAND和状态码
- Apache服务器上部署的网站乱码问题的解决办法
- 感情沟通出了问题要怎么解决_冬养的月季花枝条干枯,开花萎蔫,哪里出了问题,该怎么解决?...
- 二叉树路径和最大python_python3实现在二叉树中找出和为某一值的所有路径(推荐)...