基于易正例三元组挖掘的改进嵌入
计算机视觉与模式识别
2020-03-20 v2 机器学习
摘要
深度度量学习旨在定义一种嵌入,使语义相似的图像被嵌入到邻近位置,语义不相似的图像被嵌入到遥远位置。大量工作聚焦于损失函数与策略,通过尽可能将同类图像在嵌入空间中推近来学习这些嵌入。本文中,我们提出一种替代性的、宽松的嵌入策略,要求嵌入函数仅将每张训练图像映射到同类中最相似的样本,我们将此方法称为“易正例(Easy Positive)”挖掘。我们提供了一系列实验与可视化,突出表明这种易正例挖掘带来的嵌入更灵活且能更好地泛化到新的未见数据。这一简单的挖掘策略在图像检索数据集(包括CUB、Stanford Online Products、In-Shop Clothes和Hotels-50K)上取得的召回性能超过了最先进方法(包括那些具有复杂损失函数和集成方法的方法)。
引用
@article{arxiv.1904.04370,
title = {Improved Embeddings with Easy Positive Triplet Mining},
author = {Hong Xuan and Abby Stylianou and Robert Pless},
journal= {arXiv preprint arXiv:1904.04370},
year = {2020}
}