softmax，logistic和svm之间的“分类”有什么区别？

Question

我正在使用caffe对SSD模型进行对象检测，最近工作是调整“ MultiBoxLoss”的损失类型。 在multibox_loss_layer.cpp文件中，其丢失具有SOFTMAX作为默认值和LOGISTIC选项，我在caffe代码中添加了铰链损耗（SVM）选项，并进行了训练，但结果很糟糕。

现在老板希望我使用SVM通过python sklearn对特征图进行分类。

我遇到一个问题，在multibox_loss_layer.cpp文件中，可以使用softmax，logistic和铰链损耗来计算损失。在这一步上，它的数据只是“一维”，但特征图是高维的，我在网上发表文章，看来softmax无法对高维数据进行分类。

例如：如果有三类：猫，狗和兔子，则一维数据仅具有代表猫，狗和兔子的三个值（每个类一个值），但是高维数据则每个类都有很多值（例如特征图），在高维情况下，softmax似乎对此没有任何作用。

所以我想知道softmax，logistic和SVM之间有什么区别。有人可以帮忙吗？谢谢！

Answer 1

从未见过将SVM损失函数应用于NN。但是，softmax是一个损失函数，应该使用它来优化解决方案多类分类问题。 Softmax将NN输出转换为每个类别出现的概率。 Logistic函数通常将每个神经元输出优化为一个Logistic问题，因此它并不强制输出仅是一类。如果要解决多标签问题，应使用此功能。

SVM不是函数，是另一个分类器。将softmax与SVM进行比较是没有意义的，因为第一个是损失函数，第二个是分类器。