融合欧氏与双曲几何的深度度量学习方法

摘要

针对基于代理的深度度量学习方法中普遍采用余弦度量而导致的各向同性问题，提出一种融合欧氏几何与双曲几何的深度度量学习方法.通过引入具有层次建模优势的双曲几何，在双曲空间中设计局部双曲损失函数，并利用双曲空间的分布先验对代理点进行合理初始化，在训练过程中动态优化每个样本对应的局部邻域代理点，从而有效增强模型在局部区域内的类间判别能力.实验结果表明，该方法在多个标准图像检索数据集上均表现出显著的性能提升，从而验证了融合不同几何特性在提升度量学习判别性能方面的有效性.

关键词

深度度量学习 / 双曲几何 / 图像检索 / 计算机视觉