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

栏目: 编程工具 · 发布时间: 6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

光线跟踪算法技术

光线跟踪算法技术

萨芬 / 刘天慧 / 清华大学出版社 / 2011-3 / 98.00元

《光线跟踪算法技术》详细阐述了与光线跟踪问题相关的高效解决方案及相应的数据结构和算法,主要包括采样技术、投影视图、视见系统、景深、非线性投影、立体视觉、光照与材质、镜面反射、光泽反射、全局光照、透明度、阴影、环境遮挡、区域光照、光线与对象间的相交计算、对象变换、栅格技术以及纹理映射技术等内容。此外,《光线跟踪算法技术》还提供了相应的算法、代码以及伪代码,以帮助读者进一步理解计算方案的实现过程。 ......一起来看看 《光线跟踪算法技术》 这本书的介绍吧!

HTML 压缩/解压工具
HTML 压缩/解压工具

在线压缩/解压 HTML 代码

html转js在线工具
html转js在线工具

html转js在线工具

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