度量学习————Metric Learning

度量学习的概念

度量学习 (Metric Learning) == 距离度量学习 (Distance Metric Learning，DML) == 相似度学习 

度量学习 是指 距离度量学习，Distance Metric Learning，简称为 DML，目前常用于人脸识别、ReID

度量学习（Metric Learning）也就是常说的相似度学习。如果需要计算两张图片之间的相似度，如何度量图片之间的相似度使得不同类别的图片相似度小而相同类别的图片相似度大（maximize the inter-class variations and minimize the intra-class variations）就是度量学习的目标。

度量学习将相似性度量直接编码到训练目标中，基于分类的方法在训练集中的一组身份上训练分类器，然后利用网络的底层特征表示，在测试时执行最近邻居查询。在此设置中，度量学习通常会减少到最小化同一类的样本之间的距离，并强制不同类别的样本之间的距离。

一种是基于监督学习，另外一种是基于非监督学习