詳解ReID的各部分組成及Trick——損失函數(Loss)

       ReID任務在大多數情況下都是多任務學習,主流是分爲兩個任務,一個是構建id loss,通過分類損失,來學習對應不同id的損失,另一種是triple loss爲主的通過特徵向量直接構建的損失,學習類內的相似性和類內的區分性,讓不同的特徵向量直接的區分度更高,讓相同的特徵向量更加趨同。 1、Cross-entropy loss        交叉熵是常見的分類損失,用來描述了兩個概率分
相關文章
相關標籤/搜索