一、L2范数L2-norm欧几里得范数/2-范数向量元素的平方和的平方根L2-normalizedL2归一化 L2用于模长的计算)在几何学中衡量两个向量之间方向夹角远近的标准数学公式是余弦相似度Cosine Similarity向量除以模长 L2归一化后模长变为1余弦相似度转化为点积(对应位置相乘再相加)虽然归一化也需要计算开销但是一张图只需要一次然后之后就不需要重复计算二、arg优化问题‌在 argmax 或 argmin 中arg表示使函数取得最大值或最小值的自变量取值。三、分类损失派vs排序损失派 分类攻击交叉熵损失 (Cross-Entropy Loss) 三元组损失 (Triplet Loss)、对比损失 (Contrastive Loss)标签是真实值伪标签即是预测值代替可以使维度或者类数量一样这是交叉熵算的时候的要求预测值代替真实值基本上攻击成功率百分之百、二者接近分类攻击 训练集和测试集的类别数是一致的query和gallery的类别数不一样所以分类攻击fgsm\ifgsm不适用于行人重识别reidgallery是一个大图库里面有对一个类的更多描述也可能不具有query中的类。攻击成功与否是在整体上看的和其他攻击方法或者before attack比较识别率下降的。模型Res-50 Hr-18 Conv Swin不同模型对同一个图有不同的预测处理每一个分类模型都有分类层做分类攻击的时候不用去掉特征攻击就需要去掉分类层。去掉分类层 cece.py 在生成对抗样本之前具体的特征攻击方法)(基于分类的攻击方法)