在mnist上尝试triplet loss (mxnet)

本文介绍了如何在MNIST数据集上应用Triplet Loss进行相似度计算。通过训练,展示了同一类别样本逐渐聚集,不同类别间距离增大的过程,并提供了关键的代码实现。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

triplet loss

Triplet Loss损失函数在mnist上做相似度计算
triplet loss的核心包括三个部分

  1. anchor/positive/negative
    代表三个输入图,尺寸相同,训练的目标是令anchor和positive距离最小化,同时anchor和negative距离最大化。以FaceRec为例,anchor和positive一般来自同一个人,而negative属于不同的另一个人。
  2. shared models
    通用的卷积模型,输入是单幅图像,输出是1维特征向量
  3. loss
    Li=[(f(xia)−f(xip))2−(f(xia)−f(xin))2+α]L=∑iN[max(Li,0)] L_i = [ (f(x_i^a) - f(x_i^p))^2 - (f(x_i^a) - f(x_i^n))^2 + \alpha] \\\\ L = \sum_i^N [max( L_i, 0)] Li=[(f(xia)f(x
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值