#275
summarized by : Shuhei M Yoshida
Ensemble Deep Manifold Similarity Learning Using Hard Proxies

どんな論文か?

多様体上の2サンプルの類似度を学習する計量学習の手法を提案。
placeholder

新規性

(1) 単純なコサイン類似度に代わり、多様体上の類似度尺度をランダムウォークにより推定する (2) N-pair lossを計算する際に、元のN-pair lossを(メタ)クラスを代表するproxyのN-pair lossで代替する。これは元のN-pair lossの上限を与える。また、hard proxyをエポック毎に推定し、識別性を高める。

結果

CUB-200-2011, Cars196のベンチマークでSOTA

その他(なぜ通ったか?等)