文件名称：颜色分类leetcode-Heated_Up_Softmax_Embedding:加热Softmax嵌入的项目页面
文件大小：746KB
文件格式：ZIP
更新时间：2024-07-26 16:49:28
系统开源
颜色分类leetcode 加热的 Softmax 嵌入 的项目页面。 我们提出了一种“加热”策略来训练随着温度升高的分类器，导致相应的嵌入在各种度量学习基准上实现最先进的性能。 介绍 描述符提取是将图像映射到描述符空间中的一个点。 一个好的描述符应该是： 紧凑：来自同一类的样本要接近 展开：来自不同类别的样本远离 来自分类网络的瓶颈特征在 [1] 中表现出强大的性能 瓶颈特征没有学会紧凑和展开，因此可能不适合聚类和检索。 以下是从 MNIST 中学到的一些特征。 每种颜色显示一个数字。 菱形显示分类器权重。 温度参数
【文件预览】：
Heated_Up_Softmax_Embedding-master
----fig()
--------gradient.png(58KB)
--------distribution.png(179KB)
--------new_bottleneck.png(41KB)
--------pipeline.png(61KB)
--------Intermediate.png(61KB)
--------car196.png(101KB)
--------bottleneck.png(35KB)
--------heatup.png(126KB)
--------off-the-shelf.png(57KB)
----COPYING.txt(1KB)
----tensorflow()
--------metric_learning_lenet.py(12KB)
--------Loggers.py(2KB)
--------crc32c.py(4KB)
--------utils.py(10KB)
--------run_Inception.py(5KB)
--------deep_metric_learning_Inception.py(22KB)
--------nets()
--------run_mnist_lenet.py(2KB)
--------mnist.py(9KB)
--------layers.py(3KB)
--------tensorboard_logger.py(11KB)
----requirements.txt(139B)
----dataset()
--------car196.py(4KB)
--------ebay.py(4KB)
--------bird200.py(5KB)
----README.md(4KB)
----data()
--------model()