cncyww的博客

论文链接：https://arxiv.org/pdf/1805.03438.pdf简介        一种不用softmax的分类器，分类性能能够达到甚至略微超过softmax的水平，同时鲁棒性更强。鲁棒性强的表现有：1.采用原型学习的方式（CPL/GCPL）分类，而不是对特征空间进行线性划分，引入了Prototype Loss这个非线性因素，能够很好地进行非线性分类。 ...

论文链接：https://arxiv.org/pdf/1512.00567.pdf1.Model Regularization via Label Smoothing主要思想是改变以往ground truth label  one hot 编码的方式，引入一些固定分布的噪声，使得label更加soft，防止过拟合简单来说，可以加入一个固定的均匀分布到label中。从LOSS角度...

参考的文献和博客：[1] B. Hariharan, P. Arbeláez, L. Bourdev, S. Maji, and J. Malik,“Semantic contours from inverse detectors,” in ICCV, 2011.[2]https://cloud.tencent.com/developer/article/1391917[3]h...