基于两阶段难样本生成构建信息丰富三元组
计算机视觉与模式识别
2021-12-07 v1
摘要
本文提出一种鲁棒的样本生成方案来构建信息丰富的三元组。所提出的难样本生成是一个两阶段合成框架，分别通过有效的正样本和负样本生成器在两阶段中生成难样本。第一阶段通过分段线性操作拉伸锚点-正样本对，并巧妙设计条件生成对抗网络（conditional generative adversarial network）来降低模式崩溃风险，从而提升生成样本的质量。第二阶段利用自适应反向度量约束生成最终的难样本。在多个基准数据集上的大量实验验证了我们的方法优于现有的难样本生成算法。此外，我们还发现所提出的难样本生成方法结合现有的三元组挖掘策略能够进一步提升深度度量学习性能。
引用
@article{arxiv.2112.02259,
title = {Construct Informative Triplet with Two-stage Hard-sample Generation},
author = {Chuang Zhu and Zheng Hu and Huihui Dong and Gang He and Zekuan Yu and Shangshang Zhang},
journal= {arXiv preprint arXiv:2112.02259},
year = {2021}
}