- 主题:嵌入直接用欧氏距离vs套一层SVM？
比如人脸识别的FaceNet输出这样的嵌入，判别一个样本的类别，直接用欧氏距离和再训练一个对嵌入向量的SVM，到底有何区别？
理论上训练嵌入模型的成本函数已经是欧氏距离了，似乎有人喜欢在后面再套一层SVM，这么做有好处么？
--
FROM 117.13.122.*
欧式的最后输出就足够了啊 分100isstance没啥问题
【 在 tgfbeta 的大作中提到: 】
:
: 比如人脸识别的FaceNet输出这样的嵌入，判别一个样本的类别，直接用欧氏距离和再训练一个对嵌入向量的SVM，到底有何区别？
:
: 理论上训练嵌入模型的成本函数已经是欧氏距离了，似乎有人喜欢在后面再套一层SVM，这么做有好处么？
:
: --
:
发自「今日水木 on iPhone XR」
--
FROM 219.143.130.*
相当于神经网络又加了一层吧。越深越好
【 在 tgfbeta 的大作中提到: 】
:
: 比如人脸识别的FaceNet输出这样的嵌入，判别一个样本的类别，直接用欧氏距离和再训练一个对嵌入向量的SVM，到底有何区别？
:
: 理论上训练嵌入模型的成本函数已经是欧氏距离了，似乎有人喜欢在后面再套一层SVM，这么做有好处么？
:
: --
:
发自「今日水木 on 1801-A01」
--
FROM 117.136.38.*