一种基于排序代理锚损失的深度度量学习算法
wf（2022）
摘要
深度度量学习根据特定的度量损失函数对神经网络进行不同的训练,直接学习原始图像空间到语义特征嵌入空间的非线性投影.针对现有代理锚损失函数在不考虑数据分布的情况下,将同一类正样本压缩到嵌入空间中的某个代理锚点,而造成同类样本相似结构丢失的问题,本文提出了 一种新的基于排序驱动策略的代理锚损失函数.该损失函数使用了排序列表损失中对样本对进行排序的思想,将正样本排在负样本之前,并通过约束正样本对的距离小于阈值来尽可能地保留同类内部的相似结构.最后,在两个标准数据集上的实验证明了本文所提方法在图像分类问题上的有效性和优越性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要