我使用了该loss，但在行人reid任务上，最终的性能很难达到作者公布的结果，请问作者有复现出这个结果吗？

[qiguming]

[TinyZeaMays]

并没有在re-id上测试过，你与采用相同的设定与代码的其他loss比较过吗？复现结果需要考虑很多细节

[qiguming]

对比过triplet+softmax，在相同设定的情况下，circle loss不如前者。 @TinyZeaMays

[TinyZeaMays]

如果用了softmax的话，是否有对embedding进行归一化？不好意思，没有进行过re-id相关研究

[anorthman]

hi, @TinyZeaMays @qiguming 可以给我看下你们的loss下降情况吗？mnist是可以的，但我在人脸数据集上测试了一下，发现loss下降很慢，而且从测试结果来看pair_acc=0.5，网络没有收敛。

[yang0817manman]

我利用“circle_loss.py”也是训练人脸，loss都没有收敛，一直处于震荡，请问这是什么原因？

[TinyZeaMays]

没有测试过人脸的情况，我猜测问题出在类别数比较多，因此随机batch内正样本对比较少，在实际使用时，可能不能采用随机的sampler构造batch，并未在论文中阅读到batch size与batch设计的tricks

[qiguming]

hi, @TinyZeaMays @qiguming 可以给我看下你们的loss下降情况吗？mnist是可以的，但我在人脸数据集上测试了一下，发现loss下降很慢，而且从测试结果来看pair_acc=0.5，网络没有收敛。

上图分别是circle loss和学习率和rank1精度（超低），我是在reid上的结果。

[nemoramo]

在声纹识别的分类训练任务上，我用的是我自己实现的circle loss, gamma=64, m=0.3, 之前的训练收敛速度不是很理想，但是使用cos annealing lr schedule以及balanced data sampler似乎可以加快收敛。目前结果还未出来，完成实验我来贴一下结果

[weiju-ustc]

在声纹识别的分类训练任务上，我用的是我自己实现的circle loss, gamma=64, m=0.3, 之前的训练收敛速度不是很理想，但是使用cos annealing lr schedule以及balanced data sampler似乎可以加快收敛。目前结果还未出来，完成实验我来贴一下结果

您好，您现在有结果了吗？我也是声纹识别的任务，也发现我的模型很快就不收敛了，并且结果也很差，我感觉这里的min-batch的设置也很重要，我目前batch_size=32*8=256

[Ben-Louis]

我利用“circle_loss.py”也是训练人脸，loss都没有收敛，一直处于震荡，请问这是什么原因？

文章中的人脸实验都是用class-level label的。这个“circle_loss.py”实现的是pair-wise label版本

[anorthman]

是的，人脸识别和reid都是基于class-level label，可以看看这个tensorflow的实现https://github.com/zhen8838/Circle-Loss/blob/master/circle_loss.py

[willxian]

我尝试用自己的数据基于res34训练，并且将类别减小到10，acc依然很低

[anorthman]

facedataset:10001id,50Wimgs,bs512 class-level label https://github.com/anorthman/CircleLoss

[L1aoXingyu]

Hi, everyone, I have reproduced circle loss in Market1501, please refer https://github.com/JDAI-CV/fast-reid/issues/41

[Xiangyu-CAS]

@L1aoXingyu Hi，我用了你实现的circle loss代码，在Cityflow数据集上暴打Arcface 2%-3%，感谢大神！不过感觉好像和原作者说的还是不太一样，譬如market1501上也复现不了

[L1aoXingyu]

@Xiangyu-CAS 你需要按照我的训练配置才可以复现 market1501 结果，这个loss对 batch 很敏感

[Xiangyu-CAS]

@L1aoXingyu 我觉得84%这个结果也不能叫复现吧，直接用softmax都能训到84% mAP，更何况freeze feature这个本身就会带来提升...这个形式的loss包括arcface在market上都是崩的，不知道为什么

[L1aoXingyu]

paper 里面不是 84.9 吗，我跑出来 84.6 我觉得已经在误差范围内了。

[Xiangyu-CAS]

记混了...我之前看sun yifan一直在一个群里发86.4%的结果....那确实算是复现了

[L1aoXingyu]

把 size 改成 384x128，mAP 能跑到 86.4 左右

[Xiangyu-CAS]

我用P=16, N=4，m=0.35，s=64，resnet+circle loss在market1501上能跑到86.1%了，256*128分辨率下，我在cityflow上用的也是这组参数，所以感觉circle loss适合cls比较少的情况？

[L1aoXingyu]

是的，我也做了实验，batch 里面 id 少一些会好，每个 id 的图片多一些会好，我猜测是每个 id 图片多了可以尽可能多地覆盖所有的 camera，让类内更 compact，另外就是 id 多了可能不太好优化

[Zhang-haotian]

您好，我问下您在

loss = self.soft_plus(torch.logsumexp(logit_n, dim=0) + torch.logsumexp(logit_p, dim=0))

这一行代码写的loss函数，是不是和原文函数不太一样啊？

原文中log中还要再加上1吖？是我理解错了么 @TinyZeaMays

[xialuxi]

您好，我问下您在

loss = self.soft_plus(torch.logsumexp(logit_n, dim=0) + torch.logsumexp(logit_p, dim=0))

这一行代码写的loss函数，是不是和原文函数不太一样啊？

原文中log中还要再加上1吖？是我理解错了么 @TinyZeaMays

nn.SoftPlus() = log(1 + e ^ x)

[Zhang-haotian]

您好，我问下您在 loss = self.soft_plus(torch.logsumexp(logit_n, dim=0) + torch.logsumexp(logit_p, dim=0)) 这一行代码写的loss函数，是不是和原文函数不太一样啊？ 原文中log中还要再加上1吖？是我理解错了么 @TinyZeaMays

e的0次方等于１，自己看看代码。

好的，感谢🙇‍

[xialuxi]

人脸识别可以参考我的实现，欢迎大家指正： https://github.com/xialuxi/CircleLoss_Face/blob/master/CircleLoss.py

[shz0519]

在声纹识别的分类训练任务上，我用的是我自己实现的circle loss, gamma=64, m=0.3, 之前的训练收敛速度不是很理想，但是使用cos annealing lr schedule以及balanced data sampler似乎可以加快收敛。目前结果还未出来，完成实验我来贴一下结果

您好！您现在的结果怎么样？有效果么？