[深度学习论文笔记][CVPR 16]Deep Metric Learning via Lifted Structured Feature Embedding

[CVPR 16] Deep Metric Learning via Lifted Structured Feature Embedding

Hyun Oh Song, Yu Xiang, Stefanie Jegelka, Silvio Savarese
from Stanford and MIT

paper link

Intuition:

该工作要解决的问题是分类种类数目极多的图像分类任务。当分类种类非常多的时候会面临两个问题：(a) 分类器的优化难度会显著增加；(b) 种类数目多的时候，每一类的训练数据数量会比较少。

为了改善训练质量，作者将一种改进的metric learning的方法引入到深度分类网络中。

Method:

本文提出的metric learning方法，我总结起来主要有两点：

1. 仍是基于pair-wise contrast的loss，仍然需要构建正样本对和负样本对。属于建立在contrastive loss和triplet loss之上的incremental work。