基于混合注意力解耦度量学习的零样本图像检索
计算机视觉与模式识别
2019-07-30 v1
摘要
在零样本图像检索（ZSIR）任务中，嵌入学习日益受到关注，然而许多方法遵循传统度量学习思路，忽视了零样本设定背后的问题。本文首先强调在ZSIR中学习视觉判别度量以及防止学习器的局部/选择性学习行为的重要性，随后提出解耦度量学习（DeML）框架来分别实现这些目标。我们不是粗略地优化统一度量，而是将其解耦为多个注意力专属部分，从而循环诱导判别性并显式增强泛化能力。这主要通过我们基于随机游走图传播的目标注意力模块和基于对抗约束的通道注意力模块分别实现。我们在流行基准上展示了解决ZSIR关键问题的必要性，以显著优势超越SOTA方法。代码见http://www.bhchen.cn
引用
@article{arxiv.1907.11832,
title = {Hybrid-Attention based Decoupled Metric Learning for Zero-Shot Image Retrieval},
author = {Binghui Chen and Weihong Deng},
journal= {arXiv preprint arXiv:1907.11832},
year = {2019}
}
备注
CVPR 2019