Deep Metric Learning via Lifted Structured Feature Embedding
概要
Deep Metric Learningの手法において、ミニバッチ学習の利点を最大限に活かした新たな誤差関数の提案
手法のポイント
Contrastive LossやTriplet Lossと違い、ミニバッチ内の中で一番ハードネガティブなものの距離を大きくし、ポジティブペアの距離の合計を小さくする
先行研究との差分
https://gyazo.com/b3049b4732404f2453ef5744d572de11
ランダムに選ぶのではなく、ハードネガティブなものを選択することで、正しい方向に特徴量が更新される
有効かどうかの検証
定量評価
CUB-200-2011
CARS196
訂正評価
特徴量の可視化と、近い特徴量の画像の可視化
議論
よくみたら、一番ハードネガティブなもので計算しましょうっていう話なのでめちゃシンプルですね
リンク
arxiv
次に読む論文
Contrastive Lossを一応読んでおいた方がよさそう