基于三元组网络的深度度量学习
机器学习
2018-12-05 v4 计算机视觉与模式识别
机器学习
摘要
深度学习已被证明是一套成功的模型，可用于学习数据中有用的语义表示。然而，这些表示大多作为分类任务的一部分被隐式学习。本文提出三元组网络模型，旨在通过距离比较来学习有用的表示。Wang 等人（2014）定义了一个类似模型，专为学习图像信息检索的排序而定制。在此，我们利用多种数据集证明，我们的模型学习到的表示优于其直接竞争对手——孪生网络。我们还讨论了其未来作为无监督学习框架的可能用途。
引用
@article{arxiv.1412.6622,
title = {Deep metric learning using Triplet network},
author = {Elad Hoffer and Nir Ailon},
journal= {arXiv preprint arXiv:1412.6622},
year = {2018}
}