用于卷积神经网络的基于锚点的最近类均值损失
计算机视觉与模式识别
2018-04-24 v1
摘要
判别特征对机器学习应用至关重要。然而，大多数现有的深度学习方法依赖卷积神经网络（CNNs）来学习特征，其判别能力并未被显式强制。本文中，我们提出一种训练深度CNNs的新方法，通过施加类内紧致性与类间可分性，以增强所学特征的判别能力。为此，我们引入锚点，即被视作每类中心并在训练中固定的预定义向量。通过约束深度CNNs将训练样本映射到对应锚点尽可能近，从而获得判别特征。我们提出选择锚点的两条原则，并使用欧氏与余弦距离度量函数度量两点邻近度，由此得到两个新颖的损失函数。这些损失函数不需要样本对或三元组，并且可通过批量随机梯度下降高效优化。我们在三个基准图像分类数据集上测试所提方法，并展示了其有前景的结果。
引用
@article{arxiv.1804.08087,
title = {Anchor-based Nearest Class Mean Loss for Convolutional Neural Networks},
author = {Fusheng Hao and Jun Cheng and Lei Wang and Xinchao Wang and Jianzhong Cao and Xiping Hu and Dapeng Tao},
journal= {arXiv preprint arXiv:1804.08087},
year = {2018}
}