Ranked List Loss for Deep Metric Learning

https://arxiv.org/abs/1903.03238, CVPR2019

query를 기준으로 알파만큼 떨어진 바깥으로 negative들을 밀고(경계 안쪽에 있을수록 더 큰 가중치 부여), negative 군집과 m 만큼의 margin을 두고 positive들이 군집을 이루도록 loss를 구성.

positive 군집을 위한 연산이 추가로 필요하게 된만큼 성능은 올라간 모양새. 그리고 margin으로 인한 hard-negative-sampling되는 효과도 있겠다. (RLL-(L,H,M)은 Googlenet의 각 FC embedding 결과를 concat 한 것.)