metric learning
ama_momo
这个作者很懒,什么都没留下…
展开
-
Improved Embeddings with Easy Positive Triplet Mining
WACV 2020之前看到很多triplet selection strategy都是基于寻找negative,比如facenet中提出的semi-hard negative(不用hard negative是因为the hardest negative examples leads to bad training behavior)==针对hard negative可以看另外一篇论文:Hard negative examples are hard, but useful.本文主要是讨论easy posi原创 2020-09-09 21:46:49 · 529 阅读 · 0 评论 -
SoftTriple Loss: Deep Metric Learning Without Triplet Sampling
推荐视频:北大应用数学基础 张志华主讲 在前面介绍部分的图都来自与本视频在介绍本论文之前,先看一下“前辈”Triplet loss 刚开始应用在了人脸上note:对于easy triplet,Loss=0(a-p的距离+α\alphaα < a-n的距离),所以绝大多数样本对训练来说是没有意义的,不易收敛。所以要设计一个采样策略,在FaceNet这篇论文中使用了online semi-hard negative sampling strategy,在easy triplet(Loss原创 2020-09-06 21:41:23 · 1722 阅读 · 0 评论