多任務學習「Embedding Label Structures for Fine-Grained Feature Representation」

論文使用多任務學習框架進行精細的車輛分類，同時學習分類和相似度約束。車輛分類可以分爲多層，如品牌、型號、年款，爲了對多層之間相關性進行建模，使用triplet loss，將標記的結構如hierarchy的或者shared attributes嵌入到框架中。 爲了獲得精細粒度的特徵表示，一些方法加入similarity 約束，如contrastive、tiplet損失。直接使用相似度約束在找相同的實

>>阅读原文<<