摘要
过去十年见证了特征表示学习和距离度量学习的快速发展，然而这两个步骤通常被分开讨论。为了探索它们之间的相互作用，本研究提出了一种端到端的学习框架，称为DARI（Distance metric And Representation Integration），并在具有挑战性的人脸验证任务中验证了DARI的有效性。给定带有标签的训练图像，我们首先生成大量三元组单元，每个单元包含三张图像，即一个人及其匹配/不匹配的参考图像。对于每个三元组单元，匹配对之间的距离差异与不匹配对之间的距离差异趋于最大化。我们通过构建卷积神经网络的深层架构来解决这一目标。特别是，马氏距离矩阵被自然地分解为一个顶层全连接层，该层无缝集成到其他底层表示图像特征的层中。因此，可以通过一次反向传播同时优化图像特征和距离度量。在多个公开数据集上，DARI在跨摄像头识别个体方面表现出非常有前景的性能，并且在面对各种挑战时优于其他最先进的方法。