特斯聯公佈AI新突破：基於圖採樣深度度量學習的可泛化行人重識別

【環球網科技綜合報道】6月30日消息，特斯聯科技集團首席科學家兼特斯聯國際總裁邵嶺博士及團隊提出了一種高效的小批量採樣（mini-batch sampling）方法——圖採樣（Graph Sampling， GS），用於大規模深度度量學習，極大改善了可泛化行人重識別。

近日，該研究成果（題為: Graph Sampling Based DeepMetric Learning for Generalizable Person Re-Identification）已被今年的 CVPR 接受並發表。

據介紹，該團隊提出了一種高效的小批量採樣方法，稱為圖採樣（GS），用於大規模深度度量學習。其基本思想是在每個epoch開始時為所有的類別構建一個最近鄰關係圖。然後，通過隨機選擇一個類別作為錨點（anchor），同時選擇其前k個最近鄰類別來執行小批量採樣，每個類別擁有相同K個實例。通過這種方式，小批量採樣中的實例大多彼此相似，從而為判別式學習提供了信息量大且具有挑戰性的實例。

通過前述研究，證明了熱門的PK採樣器在深度度量學習中並不高效，因而提出了一種新的批量採樣器，稱為圖採樣器（GS），以幫助更有效地學習判別模型，通過構建所有類別的近鄰圖來進行信息採樣，團隊成功驗證了所提出的方案。同時，藉助有競爭性的基線，團隊在可泛化行人重識別領域獲得了最優成績，顯著改善了其性能。同時，通過去除分類參數，並且僅使用小批量中樣本的兩兩之間的距離來計算損失，訓練時間得到大大縮減。在特斯聯看來，團隊提出的技術尤其具備通用性，其同樣可應用於包含圖像檢索等在內的其他領域。