O que é perda central?
Center Loss é uma função de perda de aprendizagem supervisionada usada para reconhecimento facial e classificação de imagens. O objetivo é mapear pontos de dados semelhantes (como fotos diferentes da mesma pessoa) em espaços de características próximos uns dos outros. A perda central mantém uma matriz de vetor central durante o processo de treinamento, e cada categoria corresponde a um vetor central. Em cada iteração de treinamento, essa perda calcula a distância euclidiana entre o vetor de características da amostra atual e seu vetor central correspondente e atualiza o vetor central da categoria à qual a amostra pertence por meio de retropropagação para agrupar melhor amostras semelhantes. Em comparação com a perda de entropia cruzada softmax tradicional, a perda central pode lidar melhor com diferenças intraclasse e distâncias entre classes, para que possa obter melhores resultados em tarefas como reconhecimento facial e classificação de imagens.