|
深度学习领域，神经架构搜索得到的算法如雨后春笋般出现。 今天一篇arXiv论文《AM-LFS: AutoML for Loss Function Search》，商汤科技揭示使用AutoML方法设计Loss函数，在图像分类、人脸比对、行人重识别等任务中验证其比人工设计的Loss更优秀。 论文作者信息： 其主要思想是设计一种有效的搜索空间，使其可以囊括基于间隔的softmax loss函数（拥有鉴别表示的能力），和以Focal Loss为代表的的重加权方法（解决样本不平衡问题）。 下图是作者提出的搜索空间与现有loss函数的示例， 可见在作者提出的搜索空间里，可以有效近似现存的优秀的手工设计的loss函数。 AM-LFS 伪代码步骤： 通过不断的增加epoch选择最高分数R，更新模型，得到最终的loss函数模型。 实验结果 作者在CIFAR-10进行了分类实验： 相比softmax baseline 显然取得了更好的结果。 作者在人脸比对数据集MageFace上进行了实验： 取得了超越目前state-of-the-art ArcFace的精度。 下面是在行人重识别问题上两个数据集的结果： 相同特征提取算法换上新的loss 函数，取得了明显的精度提升。 论文地址： https:///pdf/1905.07375v1.pdf |
|
|
