详解ReID的各部分组成及Trick——损失函数（Loss）

时间 2021-07-11

标签 ReID 深度学习 pytorch 繁體版

原文原文链接

ReID任务在大多数情况下都是多任务学习，主流是分为两个任务，一个是构建id loss，通过分类损失，来学习对应不同id的损失，另一种是triple loss为主的通过特征向量直接构建的损失，学习类内的相似性和类内的区分性，让不同的特征向量直接的区分度更高，让相同的特征向量更加趋同。 1、Cross-entropy loss 交叉熵是常见的分类损失，用来描述了两个概率分

>>阅读原文<<

1. 详解ReID的各部分组成及Trick——预处理（Pre-processing）
2. 详解ReID的各部分组成及Trick——后处理（Post-processing）
3. 详解ReID的各部分组成及Trick——聚合（Aggregation）
4. 详解ReID的各部分组成及Trick——FastReID中的baseline配置
5. 详解ReID的各部分组成及Trick——特征提取网络（Backbone）
6. 详解ReID的各部分组成及Trick——训练策略（Training strategy）
7. 【损失函数系列】softmax loss损失函数详解
8. Focal Loss损失函数详解
9. Tensorflow 损失函数（loss function）及自定义损失函数（一）
10. Tensorflow 损失函数（loss function）及自定义损失函数（三）
更多相关文章...
• 免费ARP详解 - TCP/IP教程
• ARP协议的工作机制详解 - TCP/IP教程
• Flink 数据传输及反压详解
• 常用的分布式事务解决方案

最新文章

1. springboot在一个项目中启动多个核心启动类
2. Spring Boot日志-3 ------＞SLF4J与别的框架整合
3. SpringMVC-Maven（一）
4. idea全局设置
5. 将word选择题转换成Excel
6. myeclipse工程中library 和 web-inf下lib的区别
7. Java入门——第一个Hello Word
8. 在chrome安装vue devtools（以及安装过程中出现的错误）
9. Jacob线上部署及多项目部署问题处理
10. 1.初识nginx

本站公众号

欢迎关注本站公众号,获取更多信息

1. 详解ReID的各部分组成及Trick——预处理（Pre-processing）
2. 详解ReID的各部分组成及Trick——后处理（Post-processing）
3. 详解ReID的各部分组成及Trick——聚合（Aggregation）
4. 详解ReID的各部分组成及Trick——FastReID中的baseline配置
5. 详解ReID的各部分组成及Trick——特征提取网络（Backbone）
6. 详解ReID的各部分组成及Trick——训练策略（Training strategy）
7. 【损失函数系列】softmax loss损失函数详解
8. Focal Loss损失函数详解
9. Tensorflow 损失函数（loss function）及自定义损失函数（一）
10. Tensorflow 损失函数（loss function）及自定义损失函数（三）

>>更多相关文章<<