基于批量扩充的深度度量学习研究.docxVIP

下载本文档

1
0
约3.45万字
约 20页
2022-11-19 发布于广东
举报
版权申诉

基于批量扩充的深度度量学习研究.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

3 基于批量扩充的深度度量学习研究摘要深度度量学习旨在学习一种嵌入函数，其中语义相似的样本被投影到位于邻近嵌入空间中。为了实现这一点，现有方法经常将语义相似的嵌入对(或三元组，四元组)拉在一起，同时将不相似的嵌入对推开。为了实现这一点，采样是一个关键问题，因为嵌入对的c存在多项式复杂度组合。现有的采样方法通常从整个训练集中采样嵌入的子集以进行距离度量。但是，有限的嵌入无法准确反映流形结构，从而导致采样不准确，进而阻碍了模型的训练和收敛。而且，现有的方法通常在训练期间施加类间的间距，以将一个类别内的所有样本拉到彼此靠近的位置，而不管类别内的差异如何。这些类内方差通常很难学习且