摘要
深度度量学习（Deep Metric Learning, DML）在计算机视觉任务中具有重要作用。本文首次将DML引入图像共分割（image co-segmentation）任务中。为此，我们提出一种面向图像分割的新颖三元组损失函数，简称IS-Triplet损失，并将其与传统的图像分割损失相结合。与常规DML任务中学习图像间度量关系不同，本文将每个像素视为一个样本，利用其在高维特征空间中的嵌入特征构成三元组，通过优化IS-Triplet损失，促使不同类别像素之间的特征距离大于同一类别像素之间的距离，从而在高维特征空间中增强不同类别像素的可区分性。为进一步提升IS-Triplet损失的计算效率，我们设计了一种高效的三元组采样策略，使其在实际应用中具备可行性。最终，IS-Triplet损失与三种传统图像分割损失函数联合使用，用于图像分割任务。我们将所提出的方法应用于图像共分割，并在SBCoseg数据集和互联网数据集上进行了实验验证。实验结果表明，该方法能够有效提升高维特征空间中像素类别间的区分能力，从而在更少的训练轮次下显著提升传统损失函数在图像分割任务中的性能表现。