CVPR2019 Metric Learning、Embedding、Retrieval 相关论文阅读及整理

栏目: 编程工具 · 发布时间: 5年前

Paper List

  1. A Theoretically Sound Upper Bound on the Triplet Loss for Improving the Efficiency of Deep Distance Metric Learning
  2. End-to-End Supervised Product Quantization for Image Search and Retrieval
  3. Ranked List Loss for Deep Metric Learning
  4. On Learning Density Aware Embeddings
  5. Stochastic Class-based Hard Example Mining for Deep Metric Learning
  6. Multi-Similarity Loss with General Pair Weighting for Deep Metric Learning
  7. Deep Metric Learning to Rank
  8. Learning Metrics from Teachers: Compact Networks for Image Embedding
  9. Deep Embedding Learning with Discriminative Sampling Policy
  10. Divide and Conquer the Embedding Space for Metric Learning
  11. Unsupervised Embedding Learning via Invariant and Spreading Instance Feature
  12. Signal-to-Noise Ratio: A Robust Distance Metric for Deep Metric Learning
  13. Deep Asymmetric Metric Learning via Rich Relationship Mining
  14. Hardness-Aware Deep Metric Learning

数据集及评价指标:

CUB-200-2011

Method R@1 R@2 R@4 R@8
1. Discriminative 51.43 64.23 74.31 82.83
3.RLL-(L,M,H) 61.3 72.7 82.7 89.4
5.SCHE 66.2 76.3 84.1 90.1
6.MS 65.7 77.0 86.3 91.2
9. DE-DSP (N-pair) 53.6 65.5 76.9 -
10. DCES 65.9 76.6 84.4 90.6
12. DSML 51.6 54.9 - -
13. RRM 55.1 66.5 76.8 85.3
14. HDML 53.7 65.7 76.7 85.7

CAR196

Method R@1 R@2 R@4 R@8
1. Discriminative 68.31 78.21 85.22 91.18
3.RLL-(L,M,H) 82.1 89.3 93.7 96.7
5.SCHE 91.7 95.3 97.3 98.4
6.MS 84.1 90.4 94.0 96.5
9. DE-DSP (N-pair) 72.9 81.6 88.8 -
10. DCES 84.6 90.7 94.1 96.5
12. DSML 49.1 52.4 - -
13. RRM 73.5 82.6 89.1 93.5
14. HDML 79.1 87.1 92.1 95.5

SOP

Method R@1 R@10 R@100
3.RLL-(L,M,H) 79.8 91.3 96.3
5.SCHE 77.6 89.1 94.7
6.MS 78.2 90.5 96.0
7.FastAP 75.8 89.1 95.4
9. DE-DSP (N-pair) 68.9 84.0 92.6
10. DCES 75.9 88.4 94.9
13. RRM 69.7 85.2 93.2
14. HDML 68.7 83.2 92.4

In-shop

Method R@1 R@10 R@20 R@30
5.SCHE 91.9 98.0 98.7 99.0
6.MS 89.7 97.9 98.5 98.8
7.FastAP 90.9 97.7 98.5 98.8
9. DE-DSP (N-pair) 78.6 93.8 95.5 96.2
10. DCES 85.7 95.5 96.9 97.5

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

让创意更有黏性

让创意更有黏性

[美] 奇普·希思、[美] 丹·希思 / 姜奕晖 / 中信出版社 / 2014-1-8 / 49.00元

你或许相信在太空中唯一能看到的人工建筑就是万里长城,可乐能腐蚀人体骨骼,我们的大脑使用了10%;与此同时,你却记不得上周例会上领导的安排,昨天看过的那本书里写了什么,上次参加培训的主要内容…… 为什么? 这就引发出《让创意更有黏性》的核心问题:什么样的观点或创意具有强有力的黏性,能被他人牢牢记住? 国际知名行为心理学家希思兄弟根据大量的社会心理学研究案例,揭示了让创意或观点具有黏......一起来看看 《让创意更有黏性》 这本书的介绍吧!

CSS 压缩/解压工具
CSS 压缩/解压工具

在线压缩/解压 CSS 代码

html转js在线工具
html转js在线工具

html转js在线工具

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具