machine-learning - 在 Kevin Lin 等人的 CVPR16 论文“Deepbit”中,是不是损失函数部分的错字?
问题描述
最近,我正在研究将图像编码为紧凑二进制描述符的可能方法,该描述符允许在大型语料库中进行快速图像匹配,并遇到了 Kevin Lin 及其同事撰写的这篇论文。
在文章中,他们提出了一种无监督学习方法来学习图像的紧凑二进制描述符。具体来说,他们提出了一个损失函数来惩罚由 3 个组件组成的描述符:
- 量化损失
- 均匀分布损失
- 比特相关损失
我的问题在于第一部分。在论文中,损失函数定义为小批量中所有训练数据的二进制位与最后一层激活值之间的平方误差之和。然而,当我实现这个时,整体损失变得如此之大,以至于其他 2 个组件变得有些无关紧要,因此根本没有均匀分布。
所以我想知道这是否是论文中的错字,它应该是平方误差的平均值而不是总和。
干杯。
解决方案
推荐阅读
- java - 如何检测 android TabLayout 中的选项卡焦点变化?
- c++ - 单击按钮转到另一个 Qtab
- python - 比较具有其他字典的列表的字典
- laravel - 为什么我不能使用约束外键进行迁移
- linux - 如何从 HTML 页面访问图像
- html - 适用于所有设备的响应式引导程序 4 列
- linux - Bash 脚本捕获信号,但之后等待进程终止
- javascript - 为什么链接 offsetLeft 考虑列表填充?
- django - 无法使用 AWS RDS 连接到生产环境中的 postgresql
- sql - 用于备份数据库的 SQL 查询在从代码中作为 SqlCommand 执行时返回错误