주목 기반 앙상블을 이용한 딥 메트릭 학습

깊이 메트릭 학습은 딥 뉴럴 네트워크로 모델링된 임베딩 함수를 학습하는 것을 목표로 합니다. 이 임베딩 함수는 일반적으로 의미적으로 유사한 이미지를 학습된 임베딩 공간에서 가깝게 배치하고, 서로 다른 이미지는 멀리 배치합니다. 최근에는 앙상블 기법이 깊이 메트릭 학습에 적용되어 최신 성능을 달성하였습니다. 앙상블의 중요한 측면 중 하나는 학습자가 특징 임베딩에서 다양성을 가져야 한다는 것입니다. 이를 위해 우리는 다중 주의 마스크를 사용하여 각 학습자가 객체의 다른 부분에 집중할 수 있는 주의 기반 앙상블을 제안합니다. 또한, 학습자 간 다양성을 촉진하는 발산 손실(divergence loss)도 제안합니다. 제안된 방법은 깊이 메트릭 학습의 표준 벤치마크에 적용되었으며, 실험 결과는 이미지 검색 작업에서 최신 방법론보다 크게 우수함을 보여주었습니다.