公开(公告)号：CN108399428A

公开(公告)日：2018-08-14

申请号：CN201810135207.8

申请日：2018-02-09

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 张海军 ,  赵鸣博 ,  朱理

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于迹比准则的三元组损失函数设计方法，通过对于图像特征提取、三元组损失函数和迹比准则的调研，使用迹比准则(Trace Ratio Criterion)作为三元组选取准则和损失计算方法。所述方法主要包括：A、三元组样本构建：对于数据集中的每一个样本，将其构建成三元组样本；B、三元组样本选取：从构建的三元组样本中进行筛选，设定有效的选取机制，在不损失精度的同时，提高训练速度；C、损失函数设计：根据B中获得的三元组样本，分别计算三元组中当前样本和正负样本之间的距离，设计损失函数计算模型预测和真实结果之间的误差；D、深度网络训练：将模型误差回传到深度卷积神经网络中，对网络参数进行更新调整，迭代地训练模型直到收敛。

公开(公告)号：CN108399428B

公开(公告)日：2020-04-10

申请号：CN201810135207.8

申请日：2018-02-09

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 张海军 ,  赵鸣博 ,  朱理

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于迹比准则的三元组损失函数设计方法，通过对于图像特征提取、三元组损失函数和迹比准则的调研，使用迹比准则(Trace Ratio Criterion)作为三元组选取准则和损失计算方法。所述方法主要包括：A、三元组样本构建：对于数据集中的每一个样本，将其构建成三元组样本；B、三元组样本选取：从构建的三元组样本中进行筛选，设定有效的选取机制，在不损失精度的同时，提高训练速度；C、损失函数设计：根据B中获得的三元组样本，分别计算三元组中当前样本和正负样本之间的距离，设计损失函数计算模型预测和真实结果之间的误差；D、深度网络训练：将模型误差回传到深度卷积神经网络中，对网络参数进行更新调整，迭代地训练模型直到收敛。