三元组损失“Deep Metric Learning via Lifted Structured Feature Embedding”

http://www.cnblogs.com/wangxiaocvpr/p/5921074.html

caffe实现解释：https://blog.csdn.net/zziahgf/article/details/78568696

tensorflow实现：http://10.1.2.209/lianjie/install-packages/blob/master/metric_loss_ops.py#L410

caffe实现：https://github.com/rksltnl/Deep-Metric-Learning-CVPR16/

将mini-batch中样本对距离向量（O(m) ）提升到距离矩阵（O(m2) ），并基于此定义了一个新的结构化损失函数。

对比损失及triplet loss回归

略。

方法描述

使用训练集中的所有正样本对及负样本对定义结构化损失函数：

J=12Pi,j∈Pmax0,Ji,j2