『论文笔记』Angular Loss

三元组添加margin（记为alpha）形式损失函数为：

 

 

 将特征归一化，并带入xc=(xp+xa)/2，省略常数项得到：

 

考虑log(exp(y1) + exp(y2)) ≥ max(y1, y2)，对batch数据的处理整理为：

 

 

 

 

 Batch整合的推导没深究，看起来是取了对单个anchor而言batch内最hard三元组的上界，作者说思路来源于：Deep metric learning via lifted structured feature embedding。