summarized by : Shintaro Yamamoto
Deen Dayal Mohan, Nishant Sankaran, Dennis Fedorishin, Srirangaraj Setlur, Venu Govindaraju
Deep metric learningでは、positiveをanhorに近づけてnegativeを遠ざけるということが行われるが、必ずしも最適な移動になるとは限らない。そこで、deep metric learningにおいて移動方向を正規化する手法を提案。
Anchorからpositiveとnegativeのサンプルに向かうベクトルを考え、2つのベクトルが直交(コサイン類似度が0)になるようにする正規化項を提案。
Triplet LossやProxy Lossなどあらゆるロスに適応可能であり、精度向上が実現できることを確認した。