论文阅读笔记（十七）ICCV2017的扩刊（会议论文【传送门】）
改进部分：
（1）惩罚函数：原本由两部分组成的惩罚函数，改为只包含 Sequence Cost 函数；
（2）对重新权重改进：
① Positive Re-Weighting：
其中 
若太大，则选择的样本标签的可信度小；
若太小，则样本数量不足以进行矩阵学习，因此设置如下的：
其中，σ为 [0, 1]，如果 σ = 1，则说明充分相信样本估计的可信度，反之设置为 σ = 0.
② Negative Re-Weighting：
对于所有被估计为负的样本对，全部设置为：
（后续进行矩阵学习过程不变）
（3）Co-Matching策略：
将视频序列划分为两个子序列，收敛为两个聚类，标签设置如下：
