一种基于一致惩罚场损失函数的深度度量学习方法

摘要

本发明公开了一种基于一致惩罚场损失函数的深度度量学习方法，通过采用一致惩罚场损失函数，对所有类别的样本采用一致的排斥场和吸引场。吸引场使相同类别的样本的特征更加聚合；排斥场使不同类别的样本特征间的距离更大。所述方法一方面可以优化和改善深度度量学习中样本嵌入特征的质量，另一方面，会使所有类别的决策边界趋于一致，提高基于同一阈值进行推理决策的精度。