-
题名融合余弦损失和交叉熵损失的模型优化方法
- 1
-
-
作者
李振军
赵华
邢颖
管宇
-
机构
智慧足迹数据科技有限公司
-
出处
《计算机与网络》
2025年第5期463-469,共7页
-
文摘
余弦损失和交叉熵损失是2种不同类型的损失函数,余弦损失通常用于度量学习和相似性任务,而交叉熵损失则常用于分类任务。针对图片数据分类模型的训练,提出了使用余弦损失和交叉熵损失的优化策略,使模型可以更好地学习数据的特征表示并进行有效的分类。为了验证该策略的有效性,基于图像建模常用的3种网络结构,分别选取了3个经典模型:ResNet、Swin-Transformer和FastViT作为主干网络,并在CIFAR-10数据集上使用所提出的策略进行优化并分析评估实验结果。实验结果显示,在使用余弦损失和交叉熵损失共同优化模型后,模型的准确率有了明显的提高,反映了所提策略的有效性。
-
关键词
图像建模
余弦损失
模型优化
ResNet
Swin-Transformer
fastvit
-
Keywords
image modeling
cosine loss
model optimization
ResNet
Swin-Transformer
fastvit
-
分类号
TP301.6
[自动化与计算机技术]
-
