用于深度神经网络的对比中心损失
计算机视觉与模式识别
2017-08-24 v2
摘要
深度卷积神经网络 (CNN) 显著提升了图像分类和人脸识别的性能。通常使用 Softmax 作为监督，但它仅惩罚分类损失。本文提出了一种新颖的辅助监督信号，称为对比中心损失，它通过学习每个类别的类中心，进一步增强特征的判别能力。所提出的对比中心损失同时考虑类内紧凑性和类间可分性，通过惩罚以下两者之间的对比值：(1) 训练样本到其对应类中心的距离，以及 (2) 训练样本到其非对应类中心的距离之和。在不同数据集上的实验证明了对比中心损失的有效性。
引用
@article{arxiv.1707.07391,
title = {Contrastive-center loss for deep neural networks},
author = {Ce Qi and Fei Su},
journal= {arXiv preprint arXiv:1707.07391},
year = {2017}
}