机器学习笔记 - 关于Contrastive Loss对比损失

一、对比损失

        虽然二元交叉熵（下图公式）肯定是损失函数的有效选择，但它不是唯一的选择（甚至不是最佳选择）。

         然而，实际上有一个更适合孪生网络的损失函数，称为对比损失。

        其中Y是我们的标签。如果图像对属于同一类，则为 1，如果图像对属于不同类，则为 0。

        变量是孪生网络的输出之间的欧几里得距离。

        max 函数取最大值 0 和边距 m 减去距离。

        孪生网络的目标不是对一组图像对进行分类，而是区分它们。 从本质上讲，对比损失是评估孪生网络在图像对之间的区分程度。

        如果能读得进去论文，可以更深入了解下。http: