【Person Re-ID】In Defense of the Triplet Loss for Person Re-Identification

paper下载地址：https://arxiv.org/abs/1703.07737

code下载地址：https://github.com/VisualComputingInstitute/triplet-reid

Introduction

本文主要是针对triplet loss做的改进：triplet loss最重要的步骤就是hard-mining，而在选择hard-example过程中存在几个问题：

1. 耗时且无法明确定义什么是“good”hard triplets
2. 选择太难的example会导致训练不稳定
3. 当训练数据很大时，无法覆盖足够多的triplets

Learning Metric Embeddings

这一节主要介绍集中metric learning方法

Large Margin Nearest Neighbor loss

其中，$L_{pull}$为拉近属于同一类的样本，$L_{push}$为拉远不同类的样本。由于是采用最近邻，因此同一类中可能存在多个clusters

Triplet loss

Triplet loss是人脸识别与认证中最常用的loss，其形式为

其中 D