近日，第34届神经信息处理系统大会（Conference on Neural Information Processing Systems，NeurIPS）公布了论文接收结果，信电学院李英明副教授主要指导，博士生张鼎懿为第一作者的论文“Deep Metric Learning with Spherical Embedding”入选。本届NeurIPS共收到9454篇有效投稿，接收论文1900篇，接收率约20.1%，为历史新低。NeurIPS是跨学科会议，主要包括人工智能和自然神经信息处理方向，会议每年举办一次，是国际公认的机器学习和人工智能研究领域顶级会议，也是中国计算机学会（CCF）A类会议，受到来自学术界和工业界的广泛关注。

        论文研究了度量学习中特征在角度空间的优化问题，针对基于样本对的损失函数，分析了特征归一化在模型优化中的具体影响，揭示了不一致的特征范数对模型更新的负面作用，并基于此提出了一种球面特征约束（SEC），来自适应的调整特征范数并改善模型优化过程，如图1所示。该方法实现简单，应用范围广，能简单的与现有的损失函数结合，并提升现有方法的效果，在度量学习、人脸识别、对比自监督学习任务上的结果表明，SEC不仅提升了现有模型性能，也显著加快了模型的收敛速度。

图1：SEC在特征更新中对角度更新量的调节