1. Hard-Aware Deeply Cascaded Embedding
作者：北京大学 Yuhui Yuan等
有code:https://github.com/PkuRainBow/Hard-Aware-Deeply-Cascaded-Embedding_release
摘要：每一个样本有不同的困难级别，设计一个模型融合的方式分别用不同级别的困难样本进行训练。
最后采用，f1,f2,f3串联在一起当做特征
2. Sampling Matters in Deep Embedding Learning
Chaoyuan Wu (UT Austin)等
作者指出在Metric Learning中，Sampling和loss function同样重要。提出两点：（1）提出distance weighted learning采样方法 （2）margine based loss.