标签：
提出了一种新的discriminativate deep metric learning(DDML)方法，用于自然环境下的 face verification。与现有的致力于学习一个马氏距离度量，从而最大化类间距离最小化类内距离的方法不同，DDML方法训练了一个深度神经网络用来学习一系列分层次的非线性变换(a set of hierarchical nonlinear transformations)，将每对人脸图像投影至相同的特征子空间，从而使正样本对间的距离小于阈值，负样本对距离大于阈值。
sfdasd
和
表示，它们之间的距离可用平方欧氏距离进行计算：
。如上图所示，在网络的非线性映射之前，正样本对间的距离可能大于负样本对间的距离，故神经网络的学习目标是-寻找一个非线性映射函数
，使正样本对间映射后的距离小于$\tau_1$，负样本对间的距离
标签：
原文地址：http://www.cnblogs.com/Cod1ng/p/5461362.html
