neural-network - 如何使用 Caffe siamese CNN 强制表示标签概率的特征向量？

Question

与如何从图像目录中为连体网络创建 CaffeDB 训练数据相关

如果我有N标签。我如何强制N在对比损失层之前的大小特征向量代表每个类的某种概率？还是通过连体网设计自动提供？

Answer 1

如果只在 Siamese 网络中使用对比损失，则无法强制网络分类为正确的标签 - 因为网络仅使用“相同/不同”信息进行训练，并且不知道不同类的语义.

您可以做的是使用多个损失层进行训练。
您的目标应该是训练一个足以满足您的域的特征表示，以便查看某些输入（在某个高维度）的训练特征向量，您应该能够轻松地将该输入分类到正确的类。此外，鉴于两个输入的特征表示，应该能够轻松说出它们是“相同”还是“不同”。
因此，我建议您使用两个损失层"bottom"作为其中一层的输出来训练您的深度网络"InnerProduct"。一种损失是对比损失。另一个损失应该有另一个"InnerProduct"层num_output: N和一个"SoftmaxWithLoss"层。

在这项工作中使用了一个类似的概念： Sun、Chen、Wang 和 Tang Deep Learning Face Representation by Joint Identification-Verification NIPS 2014。