一种基于一致惩罚场损失函数的深度度量学习方法
公开
摘要
本发明公开了一种基于一致惩罚场损失函数的深度度量学习方法，通过采用一致惩罚场损失函数，对所有类别的样本采用一致的排斥场和吸引场。吸引场使相同类别的样本的特征更加聚合；排斥场使不同类别的样本特征间的距离更大。所述方法一方面可以优化和改善深度度量学习中样本嵌入特征的质量，另一方面，会使所有类别的决策边界趋于一致，提高基于同一阈值进行推理决策的精度。
基本信息
专利标题 ：
一种基于一致惩罚场损失函数的深度度量学习方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114581688A
申请号 ：
CN202210218075.1
公开（公告）日 ：
2022-06-03
申请日 ：
2022-03-08
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
刘聪佘文浩张坤
申请人 ：
盐城工学院
申请人地址 ：
江苏省盐城市亭湖区希望大道9号
代理机构 ：
代理人 ：
优先权 ：
CN202210218075.1
主分类号 ：
G06V10/74
IPC分类号 ：
G06V10/74 G06V10/82 G06V10/774 G06V10/776 G06N3/04 G06N3/08 G06K9/62
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
