计算机应用研究

作者：苟光磊,杨雨,朱东旭,

单位：重庆理工大学计算机科学与工程学院,重庆400054；

关键词：深度度量学习,损失函数,细粒度图像,嵌入网络,

基金：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资助项目(clgycx20202095,clgycx20202089)；；

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。

来源：2021年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第12期