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

算法导论

算法导论

[美] Thomas H. Cormen、Charles E. Leiserson、Ronald L. Rivest、Clifford Stein / 高等教育出版社 / 2002-5 / 68.00元

《算法导论》自第一版出版以来,已经成为世界范围内广泛使用的大学教材和专业人员的标准参考手册。 这本书全面论述了算法的内容,从一定深度上涵盖了算法的诸多方面,同时其讲授和分析方法又兼顾了各个层次读者的接受能力。各章内容自成体系,可作为独立单元学习。所有算法都用英文和伪码描述,使具备初步编程经验的人也可读懂。全书讲解通俗易懂,且不失深度和数学上的严谨性。第二版增加了新的章节,如算法作用、概率分析......一起来看看 《算法导论》 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

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

正则表达式在线测试
正则表达式在线测试

正则表达式在线测试