BriefGPT.xyz
Jan, 2022
基于距离比率的度量学习公式
Distance-Ratio-Based Formulation for Metric Learning
HTML
PDF
Hyeongji Kim, Pekka Parviainen, Ketil Malde
TL;DR
本研究提出基于距离比率的度量学习公式,该公式拥有两种有用特性,其对嵌入的比例缩放不敏感,同时输出的是生成类别点的最佳分类置信度得分。研究中还通过在CUB和mini-ImageNet数据集上进行少样本分类实验,证明了DR公式通常比softmax公式实现更快和更稳定的度量学习,从而取得了改进或相当的泛化性能。
Abstract
In
metric learning
, the goal is to learn an
embedding
so that data points with the same class are close to each other and data points with different classes are far apart. We propose a distance-ratio-based (DR) f
→