计算智能和神经科学

研究文章

提高图像分类的损失函数

表2

召回率进行比较,有三个功能损失。


数据集	模型	损失函数	Recall@1	Recall@2	Recall@4	Recall@8

cifar - 100	GoogLeNet	利润损失	0.607	0.712	0.763	0.815
		三联体的损失	0.610	0.708	0.772	0.810
		新的损失	0.632	0.720	0.779	0.817
	GoogLeNet	利润损失	0.712	0.810	0.873	0.916
		三联体的损失	0.695	0.801	0.869	0.912
		新的损失	0.722	0.8291	0.8892	0.9294
CIFAR-10	ResNet50	利润损失	0.7807	0.8496	0.8922	0.9312
		三联体的损失	0.8067	0.8661	0.9045	0.9319
		新的损失	0.7743	0.8638	0.918	0.9504
Fashion-MNIST	ResNet50	利润损失	0.8864	0.9273	0.9545	0.9704
		三联体的损失	0.8909	0.9304	0.959	0.9742
		新的损失	0.8749	0.9259	0.961	0.9801