车辆检索“Deep Relative Distance Learning: Tell the Difference Between Similar Vehicles”

车辆检索最大的难点在于同一型号的车型长得比较像，但作者认为会有一点小的区别，比如下图中的车辆装饰品，破损等细节：

深度相对距离学习
对于图像检索，使用深度学习提取特征，作者使用了深度相对距离学习模型，使用了新的损失函数，并且增加了衡量统一型号车辆区别的分支。

使用的损失函数coupled cluster loss也很好理解，原理是认为同一辆车的特征在d维空间内应该落在一个圆内，正样本离得近负样本离得稍远，如下图所示：

混合差别网络结构
这里的混合是将属性信息混合到网络中，属性用的是车辆的品牌型号，车辆检索需要回答probe和gallery中的图像是否是同一品牌型号，是否是同一辆车（使用车牌作为唯一身份认证）。

基础网络结构是VGG_CNN_M_1024，如下图将其扩展成两个分支，最后一层全连接层fc8是车辆型号信息特征与从couple cluster loss中学习到的特征的串联特征，网络结构如下图所示：

实验结果
在作者搭建的车辆检索数据库VehicleID上进行对比试验，结果如下图所示，使用累积匹配曲线（CMC）作为评价标准：