基于篮式的 Softmax
计算机视觉与模式识别
2022-01-25 v1
摘要
基于 Softmax 的损失函数在人脸识别和重识别等各种任务上取得了最先进的性能。然而，这些方法高度依赖带有全局标签的干净数据集，这限制了它们在许多现实世界应用中的使用。一个重要原因是，合并和组织来自不同时间与空间场景的数据集通常并不现实，因为会引入噪声标签且需要指数级增长的资源。为解决这个问题，我们提出了一种新颖的训练中挖掘策略，称为基于篮式的 Softmax（BBS），以及其并行版本，以端到端的方式在多个数据集上有效地训练模型。具体而言，对于每个训练样本，我们同时利用相似度分数作为线索从其他数据集中挖掘负类，并动态添加它们以辅助判别性特征的学习。通过实验，我们在人脸识别和重识别任务上，使用模拟和真实世界数据集，证明了 BBS 的效率和优越性。
引用
@article{arxiv.2201.09308,
title = {Basket-based Softmax},
author = {Qiang Meng and Xinqian Gu and Xiaqing Xu and Feng Zhou},
journal= {arXiv preprint arXiv:2201.09308},
year = {2022}
}