- …
- …
#91
summarized by : Yue Qiu
どんな論文か？
Deep Metric Learning (DML)の negative examplesの情報を有効的に利用できるCross-batch memory構造XBMを提案．XBMにより，マルチmini-batches, または全データセットからhard negative pairsの情報を有効的に保存でき，XBMを従来のDML手法に適応することで大幅精度向上が達成．
新規性
①Slow drift phenomenaを発見．この現象により実際に学習のプロセスではEmbedding featuresのdriftが極めて遅く、ネットワークの学習が進むことにより有効的にHard negative examplesの情報を有効的に利用できなくなる．②simple, memory efficientなXBMを提案し、有効的にSlow drift を防ぐ効果を得られた．
結果
XBMを従来のDML手法に適応することで大幅に精度向上できた．(例：3つの既存データセットでR＠1を12%-22.5%に改善)
その他（なぜ通ったか？等）
提案のXBMがSimpleで実装しやすく、かつMemory efficientである．XBMを従来のDML手法に適応することで性能を向上できた．
- …
- …