基于多尺度三元组损失的层级图像检索算法

来源：计算机技术与发展杂志2025年第04期北京时间：

作者：杨孟渭;张索非;吴晓富;周全

摘要：现有大多数度量学习方法的目标是扩大类间样本的距离,同时减小类内样本的距离,在多层语义场景中,此类度量学习方法是不太适用的。 例如,金丝猴属于猴子,与猫不相似,但从哺乳动物角度看,金丝猴和猫又属于同一类。 因此,多层语义场景下存在的主要问题表现为:在较小的语义尺度上的负对可以是在较大语义尺度上的正对,因此拉开较小语义尺度上的负对距离会损害较大语义尺度上的类结构,反之亦然。 为此,该文提出了一种新的多尺度三元组损失(Multi-Scale Triplet Loss,MSTL)来解决层级图像检索问题。 为了使得每个类别的嵌入空间更加紧凑,只选取每个语义尺度标签都不相同的类别作为负样本,同时提出了更适用于细粒度语义尺度的一种新的代理损失。 最后,通过在已有模型上赋予 MSTL 适合的权重,以进一步提升模型的鲁棒性与检索性能。 在三个 DyML 数据集上进行的大量实验表明,该方法优于现有流行方法。

关键词：度量学习;多语义尺度;层级图像检索;对比学习;深度学习