Triplet-Center Loss for Multi-View 3D Object Retrieval
原文(cvpr18接受):https://arxiv.org/abs/1803.06189
摘要
-
任务
3D object retrieval -
目标
利用深度度量学习(deep metric learning)学习3D物体的差异特征(discriminative features)
相关工作
-
针对3D object retrieval,现阶段深度学习领域主要分两种解决方法:
-
View-based methods
对3D物体的不同视角采集(渲染)一系列视角图。然后转化为2D图像问题,用CNN来解决-
代表方法:
MVCNN(multi-view cnn) (也是文章用的基础网络结构) GIFT
-
-
Model-based methods
得到的3D形状特征,然后利用3D CNN来解决。但是3D特征不论是获取还是计算都比较复杂
-
代表方法:
3D CNN Kd network
现阶段,view-based要比model-based效果好很多,并且view-based methods比较方便,可以做到实时应用,并且随着gpu和数据量的增加,这种方法用的也越来越多。
-
-
针对3D object retrieval里用到的loss function:
-
triplet loss
优势在于增加特征区分度,适合于细粒度分类 多数用在face recognition和person
re-identification上- 相关基础知识
- 不足之处
构造三元函数比较复杂,时间复杂度高,并且依赖于挖掘困难样本,过程费时也比较难训练
-
-
center loss
主要是与softmax loss结合,减小类内距离
相关基础知识:
不足之处
只关注于减小类内变化,没有对类间距离进行处理,因而可能导致不同类之间出现重叠,并且在训练的时候中心是每个mini-batch——更新,所以很不稳定,必须与softmax loss结合来维持稳定性。
本文工作
普通的深度学习网络大多专注于找到不同类之间的边界,没有过多考虑类内的距离和不同类之间的关系,因此在3D object retrieval任务中找到robust and discriminative features是提高性能的重要环节。
上图从左到右依次为softmax loss,center loss+softmax loss,TCL。
可以看出普通分类只是在找类间边界而没有考虑类内变化,而center loss减小了类内变化,但是因为没有考虑到类间距离的边界距离,容易造成类间重叠。而TCL解决了这些问题
TCL(triplet-center loss)
先写一下triplet loss和center loss的公式:
-
triplet loss
x a , x + , x − x_{a},x{+},x{-} xa,x+,x−分别表示样本a、与a同类的样本、与a不同类的样本,f()表示网络的特征embedding output,D()表示向量之间的距离,m是类间margin。 -
center loss
c y i c_{y}^{i} cyi分别class y i y_{i} yi的中心,D()是欧式距离
之前提过的tripet loss的有势是考虑了类间关系,主要不足是费时,center loss的优势是减少了类内变化,主要不足是没有考虑类间关系,所以为了同时改进这两点并且结合优势,作者把这两种loss结合起来,提出了TCL -
TCL
TCL只计算样本与同类中心之间的距离,减少了计算复杂度,并考虑到了离样本最近的不同类之间的距离,使得不同类之间可以保持一定的距离
同时论文结合了softmax loss,可以作为监督使得训练过程中可以找到更好的class centers也就将metric learning和classfication task结合起来,并且TCL和softmax互相独立,可以直接相加。最后论文里用到的损失函数
L
t
o
t
a
l
=
λ
t
c
+
L
s
o
f
t
m
a
x
L_{total} = λ_{tc} + L_{softmax}
Ltotal=λtc+Lsoftmax
λ是调整TCL对训练过程影响的超参数。最后的实验有如何选择和调整λ的实验和验证。
本文用MVCNN做基本框架,大体流程为
与triplet loss和center loss的比较
-
triplet loss
- TCL的三元数只考虑样本、所属类中心、最近邻类的中心。对于N个样本的数据集,只需要建立N个triplets,而triplet loss的复杂度达到 O ( N 3 ) O(N^{3}) O(N3),避免了建立triplets的复杂度和mining hard samples的难度
-
center loss
- TCL同时增加了类内数据的紧实度和类间的分类度,避免了类间重叠,并且可以和softmax loss分离,更加易于训练。
通过实验的可视化效果,可以看到TCL和softmax loss结合效果要明显好一些,类间距离更远,类内距离更近。
- TCL同时增加了类内数据的紧实度和类间的分类度,避免了类间重叠,并且可以和softmax loss分离,更加易于训练。
实验
作者用ModelNet 40和ShapeNet Core 55数据集做的实验,实验包括λ的选取、不同损失函数的比较,不同数据集的比较、不同域间的比较、还和model-based 方法比较了一下。具体实验设置和配置参数建议看论文
总结
实验结果看起来还是很好的,并且有可视化效果,但是用到的数据集都是CAD模型渲染出来的虚拟数据,背景单一,特征也都比较好提取,所以训练过程会简单点,如果加入噪声过多可能可视化效果就不会那么好了
如果知道数据集的类间空间关系的话,也许可以把空间关系作为center的一个监督信息,使得类间关系和真实的空间关系一致,也许对于视角估计之类的任务有帮助。