利用特权信息的属性自适应间隔 Softmax 损失
计算机视觉与模式识别
2020-09-07 v1
摘要
我们提出了一种新颖框架，以利用仅在训练阶段提供的特权信息进行识别。此处，我们关注如下识别任务：图像作为主视图提供，软生物特征（属性）作为特权数据提供（仅在训练阶段可用）。我们证明，通过强制深度网络利用属性调整类间自适应间隔，可以学习到更具判别性的特征空间。这一紧约束还有效缓解了局部数据邻域中固有的类不平衡，从而在局部刻画更均衡的类边界并更高效利用特征空间。在五个不同数据集上进行了充分实验，结果表明在人脸识别与行人重识别两项任务中，我们的方法相较于 SOTA 模型具有优越性。
引用
@article{arxiv.2009.01972,
title = {Attribute Adaptive Margin Softmax Loss using Privileged Information},
author = {Seyed Mehdi Iranmanesh and Ali Dabouei and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2009.01972},
year = {2020}
}