Bi-directional Exponential Angular Triplet Loss for RGB-Infrared Person Re-Identification
简述:
现有的研究大多使用基于欧几里得度量的约束来解决不同模式特征之间的差异。由于欧氏距离不能有效地测量嵌入向量之间的夹角,使得这些方法无法学习角度判别特征嵌入。本文提出通过确定了嵌入向量之间的夹角来进行有效的分类问题。同时,本文提出了提出了一种新的提出了一种新的ranking loss,即Bi-directional Exponential Angular Triplet Loss。
左图展示了triplet loss计算了Va,Vn,Vp的距离,但是忽略了角度的影响,从而得到了右图的特征空间并没有很好的分类效果。
模型:
本文提出的框架有于其他的就是本文提出的expAT(Bi-directional Exponential Angular Triplet )Loss
首先,传统triplet loss: