直播 | Circle Loss：从对相似性优化的统一视角进行深度特征学习

来源：PaperWeekly

「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

20200616070545_99b420.jpg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