m13

行人重识别

1、损失函数

分类损失+triple loss，下图中的A和P是甲的两张不同的图片，N是乙的一张图片，a是超参数，目标是使得甲的识别匹配度近似，但是甲乙的识别匹配度相差很远

 

 实际在采样中，采用hard-negtive方法，挑的A和P要尽可能差别很大，A和N要尽可能接近，以此来加大学习的难度

2、评估指标

rank1：与query匹配度最高的预测结果是对的还是错的，比如下图的先对匹配结果降序排列，第1是和query挺像，所以是 rank1 是对的

 

 

map：ap的平均，值越高则匹配的越好，下图中 2/3 表示匹配对了的第2张图片在第3个位置，如此类推

 

 

 

标签：匹配,rank1,m13,query,识别,下图,图片
来源： https://www.cnblogs.com/pjishu/p/16694903.html