深度度量学习综述

• 作者: 刘冰 封举富 李瑞麟
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 深度度量学习 深度学习 机器学习 对比损失 三元组损失 代理损失 softmax分类 温度值
• 年，卷（期）: 2019,（6）
• 页码范围: 1064-1072
• 页数: 9页
• 分类号: TP181
• 字数: 7253字
• 语种: 中文
• DOI: 10.11992/tis.201906045

摘要

深度度量学习已成为近年来机器学习最具吸引力的研究领域之一,如何有效的度量物体间的相似性成为问题的关键.现有的依赖成对或成三元组的损失函数,由于正负样本可组合的数量极多,因此一种合理的解决方案是仅对训练有意义的正负样本采样,也称为"难例挖掘".为减轻挖掘有意义样本时的计算复杂度,代理损失设置了数量远远小于样本集合的代理点集.该综述按照时间顺序,总结了深度度量学习领域比较有代表性的算法,并探讨了其与softmax分类的联系,发现两条看似平行的研究思路,实则背后有着一致的思想.进而文章探索了许多致力于提升softmax判别性能的改进算法,并将其引入到度量学习中,从而进一步缩小类内距离、扩大类间距,提高算法的判别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	封举富	北京大学信息科学技术学院	24	360	9.0	18.0
5	刘冰	北京大学信息科学技术学院	14	47	3.0	6.0
9	李瑞麟	北京大学信息科学技术学院	1	1	1.0	1.0