1、几种常见距离度量方式
见https://www.cnblogs.com/daniel-D/p/3244718.html
2、为什么用外观特征使用余弦距离,而不是欧式距离。
余弦相似度:取值范围[-1,1]
余弦距离=1-余弦相似度:取值范围[0,2]
1)含义:欧式距离体现数值上的绝对差异,用在特征向量上含义模糊;余弦距离体现方向上的相对差异,侧重于相似度、向量方向,与向量的大小无关。
2)取值范围:欧式距离范围不固定,余弦距离范围固定,在维度较多情况下也是[0,2]。
因此,类似于客户评价、外观特征,用余弦相似度更好一些。
3、为什么行人位置匹配使用马氏距离而不是欧式距离、IOU等
1)马氏距离就是“加强版的欧氏距离”。
a:马氏距离是尺度无关的,与各维度的值大小无关,与单位无关。相当于进行了标准化。
它规避了欧氏距离中对于数据特征方差不同的风险,在计算中添加了协方差矩阵进行方差归一化,从而使各维度尺度无关。从而马氏距离不受量纲的影响,两点之间的马氏距离与原始数据的测量单位无关。(由于进行了减均值并除协方差矩阵的操作,故马氏距离尺度无关,所谓尺度无关有两层含义,一是与值的大小无关,二是与单位无关)
b:马氏距离还可以排除变量之间的相关性的干扰。
马氏距离和欧式距离公式:https://blog.csdn.net/bluesliuf/article/details/88862918
2)为什么用马氏距离不用IOU
猜测马氏距离考虑的中心点距离和长宽比还有高度,但是IOU只是交并比。马氏距离和CIOU更加相似。马氏距离比单纯IOU好些。
4、如下介绍了改进的论文,包括JDE等
http://www.uml.org.cn/ai/202011274.asp
5、EMD(earth mover's distances)距离
对于离散的概率分布,Wasserstein距离也被描述为推土距离(EMD)。如果我们将分布想象为两个有一定存土量的土堆,那么EMD就是将一个土堆 转换 为另一个土堆所需的最小总工作量。
适用于点云匹配。