深度度量学习中的平均场理论
机器学习
2023-06-28 v1 统计力学
摘要
本文探讨平均场理论（一种来自统计物理的技术）在深度度量学习中的应用，并解决传统度量学习损失函数常见的高训练复杂度问题。通过将平均场理论适配于深度度量学习，我们发展出一种由成对损失函数设计基于分类的损失函数的方法，可视为对基于代理方法的补充。将平均场理论应用于两个成对损失函数，我们推导出两个新损失函数：MeanFieldContrastive 与 MeanFieldClassWiseMultiSimilarity 损失，其训练复杂度降低。我们在三个图像检索数据集上对这些派生损失函数进行了广泛评估，结果表明我们的损失函数在三个数据集中有两个上优于基线方法。
引用
@article{arxiv.2306.15368,
title = {Mean Field Theory in Deep Metric Learning},
author = {Takuya Furusawa},
journal= {arXiv preprint arXiv:2306.15368},
year = {2023}
}
备注
15 pages