摘要
现有度量学习方法中基于元组的损失训练速度慢、基于代理的损失未考虑数据间细粒度的语义关系.针对这些问题,结合两者的优势提出了一种面向细粒度图像的数据关联代理损失(data relation proxy loss,DRPLoss)函数.采用具有批量归一化(BN)层的inception网络作为嵌入网络,在度量空间中利用梯度相互交互学习数据间的相关关系,并使用温度缩放调节DRPLoss对嵌入向量进行监督训练.在CUB-200-2011和Car-196数据集上验证了不同嵌入维度的DRPLoss的有效性,recall@1评价指标分别提升了2％和6.4％.实验结果表明,相比基于元组的损失和基于代理的损失,DRPLoss的训练速度更快,对细粒度图像检索的性能有显著性提高.
基金项目
重庆市基础科学与前沿技术研究项目(Cstc2017jcyjAX0144)
重庆理工大学研究生创新项目(Clgycx20202095)
重庆理工大学研究生创新项目(clgycx20202089)
国家科技期刊平台
NSTL
维普
万方数据