代理合成：利用合成类进行深度度量学习
计算机视觉与模式识别
2021-03-30 v1 信息检索
机器学习
摘要
深度度量学习的主要目的之一是在所见（训练）类与未见（测试）类上均具有良好泛化嵌入的嵌入空间。大多数现有工作试图利用给定训练数据下不同类型的度量目标与难样本挖掘策略来实现这一点。然而，仅用训练数据学习会过拟合到所见类，导致在未见类上缺乏泛化能力。为解决该问题，我们提出一种称为代理合成（Proxy Synthesis）的简单正则化器，它利用合成类在深度度量学习中实现更强泛化。所提方法生成合成嵌入与代理（proxy），它们作为合成类，并在计算基于代理的损失时模拟未见类。代理合成推导出考虑类关系且具平滑决策边界的嵌入空间，以在未见类上保持鲁棒性。我们的方法适用于任何基于代理的损失，包括 softmax 及其变体。在图像检索任务中四个著名基准上的大量实验表明，代理合成显著提升了基于代理损失的性能并达到了最先进性能。
引用
@article{arxiv.2103.15454,
title = {Proxy Synthesis: Learning with Synthetic Classes for Deep Metric Learning},
author = {Geonmo Gu and Byungsoo Ko and Han-Gyu Kim},
journal= {arXiv preprint arXiv:2103.15454},
year = {2021}
}
备注
Accepted by AAAI2021