基于注意力的集成方法用于深度度量学习
计算机视觉与模式识别
2018-09-03 v2
摘要
深度度量学习旨在学习一个由深度神经网络建模的嵌入函数。该嵌入函数通常在学习到的嵌入空间中将语义相似的图像拉近，而将不相似的图像推远。近来，集成方法已被应用于深度度量学习并取得了最先进的结果。作为集成的一个重要方面，各学习器在其特征嵌入上应具有多样性。为此，我们提出了一种基于注意力的集成方法，其使用多个注意力掩码，使得每个学习器可以关注对象的不同部分。我们还提出了一种散度损失，以鼓励学习器之间的多样性。所提方法应用于深度度量学习的基准测试，实验结果表明在图像检索任务上它以显著优势优于最先进的方法。
引用
@article{arxiv.1804.00382,
title = {Attention-based Ensemble for Deep Metric Learning},
author = {Wonsik Kim and Bhavya Goyal and Kunal Chawla and Jungmin Lee and Keunjoo Kwon},
journal= {arXiv preprint arXiv:1804.00382},
year = {2018}
}
备注
ECCV 2018 camera-ready