How to do PK sampler to ensure the calculating of three triplet losses when the labels pf one image are different? about self-similarity-grouping HOT 4 OPEN

如果遇到neg_examples.min()异常了，trycatch把负样本距离设为1e-6就行，对三个标签取分别三个batch没这个效果好。

from self-similarity-grouping.

如果遇到neg_examples.min()异常了，trycatch把负样本距离设为1e-6就行，对三个标签取分别三个batch没这个效果好。

你试了分别取三个batch的效果么？结果差多少？我试了下分别取结果还没单个的好

from self-similarity-grouping.

差的不多，map2%左右

from self-similarity-grouping.

你好，有两个问题想要请教一下

1. 由于每张图片根据三个聚类结果有三个标签，代码里是根据第一个标签进行PK采样得到一个batch的图片数据，来进行triplet loss的计算。
   但是，如何保证这个batch里的每一张图片在根据后两个聚类结果打上伪标签时，在这个batch中能找到正样本来保证triplet loss的正确计算呢？
2. 在selftraining.py文件中的compute_dist(）函数中采用了源域数据特征来计算距离，怎么解释呢？我看论文里并没有提到

源数据特征就没用，放在那迷惑人呢

from self-similarity-grouping.