直播 | Circle Loss：从对相似性优化的统一视角进行深度特征学习

「PW Live」是 PaperWeekly 的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 PW Live，我们邀请到旷视科技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。

对本期主题感兴趣的小伙伴，6 月 16 日（周二）晚 7 点，我们准时相约 PaperWeekly B 站直播间。

分享提纲

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 和类间相似性 配对并减小二者的差值 。

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 ，旷视科技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。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「PW Live」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。