论文阅读笔记

度量学习论文阅读笔记

1. 论文题目：Constellation Loss: Improving the efficiency of deep metric learning loss functions for optimal embedding
2. 论文主要贡献：把Triplet loss和Multiclass-N-pair loss的函数结合起来，构造了一个新的损失函数，在一个大肠癌组织切片的数据集上获得了比Triplet loss和Multiclass-N-pair loss更好的分类效果。
   Triplet loss的损失函数：${\mathcal{L}}_{\text{triplet}}=\frac{1}{N}{\sum }_{i=1}^N\max \left(0,{\Vert f_i^a-f_i^p\Vert }_2^2-{\Vert f_i^a-f_i^n\Vert }_2^2+\alpha \right)$，
   Multiclass-N-pair loss损失函数：${\mathcal{L}}_{m-c}=\frac{1}{N}{\sum }_{i=1}^N\log \left(1+{\sum }_{j̸=i}\exp \left(f_i^{\top }{f}_j^{+}-f_i^{\top }{f}_i^{+}\right)\right)$，
   Constellation Loss损失函数为：${\mathcal{L}}_{\text{constellation}}=\frac{1}{N}{\sum }_{i=1}^N\log \left(1+{\sum }_j^K\exp \left(f_i^{a\top }{f}_j^n-f_i^{a\top }{f}_i^p\right)\right)$，
3. 可以看到论文提出的损失函数可以获得更好的聚类效果：