Euclidean Margin vs Angular Margin

2019-07-12 11:16 heixialee 阅读(533) 评论(0) 编辑收藏举报

Euclidean Based Margin:

Contrastive Loss

$L=\frac{1}{2N}\sum_{n=1}^Ny\cdot||a_n−b_n||^2+(1−y)\cdot \max(margin−||a_n−b_n||^2,0)$

Triple Loss

$Loss=\sum_{j}^{N}(||f(x_j^a)-f(x_j^p)||_2^2-||f(x_j^a)-f(x_j^n)||_2^2+\gamma)$

Angular Based Margin:

L-Softmax

A-Softmax

一个思想：

通过加入一些限制，获取剔除一些衡量标准，能够很好的压缩类内的距离和加大类间的距离

比如L-Softmax 到 A-Softmax, 剔除了幅度的衡量，完全由角度来区分类别，更好的压缩了类内的距离，加大了类间的距离

个人思考：为什么对人脸识别，Angular Based Margin 好于 Euclidean Based Margin ？

如果使用欧式距离，并没有对衡量做任何裁剪。而使用Angular based的margin，可以归一化幅度，从而只依赖于角度去衡量。

从某种程度上来说，减少了衡量的维度，使得特征更有区分性

刷新页面返回顶部

heixialee