DEEP METRIC LEARNING USING TRIPLET NETWORK

论文来源：ICLR 2015

论文链接：https://arxiv.org/pdf/1412.6622.pdf

代码链接：https://github.com/eladhoffer/TripletNet

---

网络结构

网络每次输入三个样本$x,x^+,x^-$其中$x$为主样本，$x^+$为正样本，其类型和$x$相同，$x^-$为负样本，其类型和$x$不同。

网络的目标就是训练网络Net，使得经过网络后相同类的embedding尽可能相同，不同类的embedding尽可能不同。

$$\text { Triplet } N e t\left(x, x^{-}, x^{+}\right)=\left[\begin{array}{l} \left\|N e t(x)-N e t\left(x^{-}\right)\right\|_{2} \\ \left\|N e t(x)-N e t\left(x^{+}\right)\right\|_{2} \end{array}\right] \in \mathbb{R}_{+}^{2}$$

损失函数

$$Loss(d_+,d_-) = ||(d_+,d_--1)||^2_2 = const \cdot d_+^2$$ $$d_+= \frac{e^{||Net(x)-Net(x^+)||_2}}{e^{||Net(x)-Net(x^+)||_2} + e^{||Net(x)-Net(x^-)||_2}}$$ $$d_-= \frac{e^{||Net(x)-Net(x^-)||_2}}{e^{||Net(x)-Net(x^+)||_2} + e^{||Net(x)-Net(x^-)||_2}}$$

样本生成策略

在该论文中作者是采用随机选取的策略生成640000个三元组$(x,x^+,x^-)$