arXiv · cs.AI· Hina Otake·· 1 天前AI 评分11
FDSML：基于公式驱动监督度量学习与参数感知 Triplet Loss
FDSML: Formula-Driven Supervised Metric Learning with Parameter-Aware Triplet Loss
来源与原文
arXiv · cs.AI
作者：Hina Otake
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.39423v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 FDSML，一种公式驱动的监督度量学习方法，通过 Parameter-Aware Triplet（PA-Triplet）Loss 在 Iterated Function System 参数空间中划分正负样本，并配合改进的分形数据集 FineFractalDB 进行无真实图像的预训练。在 ResNet-50 上，Recall@1 在 Stanford Online Products 从 65.6% 提升至 74.0%，在 Stanford Cars 从 56.2% 提升至 78.4%。该方法在下游分类上保持竞争力，并提升多种 corruption 场景下的鲁棒性。
来源：arXiv · cs.AI · arxiv.org