本文主要是介绍行人检索--Beyond triplet loss: a deep quadruplet network for person re-identification，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Beyond triplet loss: a deep quadruplet network for person re-identification
CVPR2017
https://arxiv.org/abs/1704.01719
本文使用深度学习进行行人检索，侧重点主要在损失函数的改进，提出了 quadruplet loss 用于减小类内方差 和 增加类间方差
上图显示，在我们新的 quadruplet loss 作用下，对于训练数据的每个类别，我们减小了同类别方差，增加异类方差。
本文的网络结构：
上图红色部分是重点，加入了第二个类别的负样本。
这里的 positive pair negative pair negative pair2 三个损失函数计算值中 positive pair 是最小的。这么做减小了同类别方差 。
为了增加异类方差，这里我们设计了一个自动最大阈值采样策略，
Margin-based online hard negative mining
Thus the margin threshold is self-adaptive based on the two distributions of the trained model.
通过这个采样策略，使得我们的损失函数中边界阈值自适应得到
实验结果对比：
这篇关于行人检索--Beyond triplet loss: a deep quadruplet network for person re-identification的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
