CVPR 2020 Oral 线上分享 | Circle Loss:从对相似性优化的统一视角进行深度特征学习...

随着 CVPR 2020 的即将召开,旷视研究院 CVPR Oral 论文的作者在线分享活动也进展到了最后一期,在本期中,PaperWeekly 邀请到旷视上海研究院算法研究员程昌茂,为大家带来「Circle Loss:从对相似性优化的统一视角进行深度特征学习的主题分享」

Circle Loss 是旷视研究院在本届 CVPR 上提出的一项重要成果,在发布之际便取得了学界和业界的广泛关注,它能够不经修改来直接表达两种学习方式(classification learning和pairwise learning)。包括作者和网友在人脸识别、行人重识别、细粒度图像检索甚至是声纹识别、领域自适应等多个任务上的实验结果显示,Circle Loss 在实际应用中取得了极具竞争力的表现。

为此旷视研究院此前还邀请了作者团队的多位同学从不同角度来和大家分享他们对此项研究的理解,回看详情请见文末

本期直播时间 & 地址

直播时间:6 月 16 日(周二)晚 7 点

直播地点:https://live.bilibili.com/14884511

分享概要

深度特征学习一直受到学术界的广泛关注,众多的损失函数被提出用于学习好的特征表示。例如,用于分类学习的 softmax cross entropy loss 及其变种 AM-Softmax(CosFace)、ArcFace 等,用于样本对距离优化的 contrastive loss 和 triplet loss 等。

本次分享的是我们在这一问题上的研究工作 Circle Loss: A Unified Perspective of Pair Similarity Optimization (CVPR2020 Oral)。该工作从对相似性优化的统一视角解读深度特征学习:当前的多数损失函数(包括 softmax cross entropy loss 和 triplet loss)将类内相似性 s_p 和类间相似性 s_n 配对并减小二者的差值 s_n-s_p。 

进一步,我们发现这样的优化方式是不够灵活的,每个相似度应当根据其当前优化状态给予不同的优化权重。Circle Loss 以简洁的形式实现了灵活的优化方式和明确的收敛状态,在多项任务上取得了极具竞争力的性能。

本次分享的具体内容有:

  • 深度特征学习经典范式

  • 基于统一视角泛化损失函数表达

  • Circle Loss 的技术贡献和性能分析

嘉宾介绍

 程昌茂 / 旷视上海研究院研究员 

程昌茂,旷视上海研究院算法研究员,硕士毕业于复旦大学。研究方向为深度特征表示学习。发表过数篇计算机视觉顶级会议论文。

关于Circle Loss的更多分享

1、孙亦凡(从第27分钟起):https://b23.tv/N3cddb

2、张宇涵:https://www.bilibili.com/video/BV13z4y1R71f

传送门 

实习生简历投通道请点击→这里

欢迎大家关注如下 旷视研究院 官方微信号????