- …
- …
#439
summarized by : QIUYUE
どんな論文か？
Deep Metric Learning (DML)のロス関数の改良を提案．従来DMLに用いられるPairwise, tripletwise ロスなどは収束遅い問題がある．Ranking-basedロスが比較的に収束早いかつ精度高い．この文章で更にRanking-basedロスの2つの問題点を指摘し且つそれらを改善した．
新規性
set-based相似性構造を用いて，従来のDMLにおいてのサンプルペアの利用率低い問題を改善；従来のDML手法がポジティブペアをできるだけ近くするために，クラス内部の分布がDropされてしまうことがある．この文章でクラス内部の相似性構造を保持できるHypershpereを提案した．
結果
CARS196,CUB-200-2011,SOPの3つのベンチマークにおいてSOTAな精度を達成．
その他（なぜ通ったか？等）
網羅的な実験や詳細的な式紹介を用いて提案のロス関数の有効性を実証．ロス関数の改良の研究なので，比較的にfundamental.
- …
- …