1. Hard-Aware Deeply Cascaded Embedding

作者：北京大學 Yuhui Yuan等
有code:https://github.com/PkuRainBow/Hard-Aware-Deeply-Cascaded-Embedding_release
摘要：每一個樣本有不同的困難級別，設計一個模型融合的方式分別用不同級別的困難樣本進行訓練。

最后采用，f1,f2,f3串聯在一起當做特征

2. Sampling Matters in Deep Embedding Learning

Chaoyuan Wu (UT Austin)等
作者指出在Metric Learning中，Sampling和loss function同樣重要。提出兩點：（1）提出distance weighted learning采樣方法 （2）margine based loss.

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的hard sampling的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。