[CVPR 16] Deep Metric Learning via Lifted Structured Feature Embedding
Hyun Oh Song, Yu Xiang, Stefanie Jegelka, Silvio Savarese
from Stanford and MIT
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:
- 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。