サンプリングは深層埋め込み学習において重要である

深層埋め込みは単純な問いに答える：2つの画像の類似度はどの程度か？これらの埋め込みを学習することは、認証、ゼロショット学習、および視覚検索の基礎となっています。最も注目されるアプローチは、コントラスト損失やトリプレット損失などの適切な損失関数を使用して深層畳み込みネットワークを最適化することです。多くの研究が損失関数にのみ焦点を当てている一方で、本論文では訓練例の選択が同等に重要な役割を果たすことを示しています。私たちは距離重み付けサンプリング（distance weighted sampling）を提案します。これは従来の手法よりも情報量が多く安定した例を選択します。さらに、シンプルなマージンベースの損失関数が他のすべての損失関数を上回ることも示しています。私たちはStanford Online Products、CAR196、CUB200-2011データセットでの画像検索とクラスタリング、LFWデータセットでの顔認証において、提案手法を評価しました。私たちの方法はこれら全てにおいて最先端の性能を達成しています。