计算机应用

作者：柴汶泽, 范菁, 孙书魁, 梁一鸣, 刘竟锋

单位：1.云南民族大学 电气信息工程学院，昆明 650504；2.云南省无人自主系统重点实验室（云南民族大学），昆明 650504；3.云南省高校信息与通信安全灾备重点实验室（云南民族大学），昆明 650504

关键词：深度神经网络,深度度量学习,机器学习,计算机视觉,人工智能

基金：国家自然科学基金资助项目(61540063);教育部人文社会科学研究青年基金资助项目(20YJCZH129);云南省吴中海专家工作站项目(202305AF150045);云南省教育厅科学研究基金资助项目(2023Y0499);云南民族大学硕士研究生科研创新基金资助项目(2022SKY004)

随着深度神经网络的兴起，深度度量学习（DML）引起广泛的关注。为了深入了解深度度量学习，首先，整理和分析传统度量学习方法的局限性。其次，从3个类型探讨DML，包括基于样本对、代理和分类的类型：基于样本对的类型包括散度方法、排序方法和基于生成对抗网络（GAN）的方法；基于代理的类型主要从代理样本、类别方面进行讨论；基于分类的类型中主要讨论了跨模态度量学习、类内类间边距问题、超图分类，以及与其他方法（如基于强化学习和基于对抗学习的方法）的结合。再次，介绍评估DML性能的各种指标，同时总结和对比DML在不同任务（包括人脸识别、图像检索和行人重识别等）中的应用。最后，探讨DML面临的挑战，并提出一些可能的解决策略。

来源：2024年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第10期