【源码注释】腾讯优图Tface开源项目中的人脸识别DDL理解

最新推荐文章于 2024-09-13 22:37:48 发布

原创

最新推荐文章于 2024-09-13 22:37:48 发布 · 588 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#开源 #深度学习 #人工智能

论文链接：https://arxiv.org/abs/2002.03662

import torch
import torch.nn.functional as F


class DDL(torch.nn.Module):
    """ Implented of  
    """
    def __init__(self, pos_kl_weight=0.1, neg_kl_weight=0.02,
                 order_loss_weight=0.5, positive_threshold=0.0):
        """ Args:
            pos_kl_weight: weight for positive kl loss
            neg_kl_weight: weight for negative kl loss
            order_loss_weight: weight for order loss
            positive_threshold:  threshold fo positive pair  
        """
        super(DDL, self).__init__()
        self.pos_kl_weight = pos_kl_weight
        self.neg_kl_weight = neg_kl_weight
        self.order_loss_weight = order_loss_weight
        self.positive_threshold = positive_threshold
        # register_buffer:在内存中定一个常量，同时，模型保存和加载的时候可以写入和读出。
        # 该方法的作用是定义一组参数，该组参数的特别之处在于：模型训练时不会更新（即调用 optimizer.step() 后该组参数不会变化，只可人为地改变它们的值）
        # 保存模型时，该组参数又作为模型参数不可或缺的一部分被保存。
        self.register_buffer('t', torch.arange(0, 1.0, 0.001).view(-1, 1).t()) # 分配直方图间隔

    def forward(self, neg_features, pos_pair_features_first, pos_pair_features_second):
    
        # 教师（简单样本）和学生（难分样本）均有b个正样本对（2b个样本）、b个不同身份的样本 
        # sample b positive pairs (i.e., 2b samples) and b samples with different identities