任务背景：商品以图搜图 现有模型：SE-Resnet 50*4d 初步计划：实现一个基于triplet loss的特征模型，并进一步考虑多级商品信息。 平台：linux, pytorch
图搜算法中存在一个问题：搜到的相关的图片存在大类之间的差异。希望通过加入多级的信息，优化特征分布，目标如下图：
这里计划参考Embedding Label Structures for Fine-Grained Feature Representation 故需要首先构建一个基于triplet loss的embedding模型。
模型训练和评价的工程文件包含一下几个部分： ——root ——datasets（包含数据集转换部分的代码，这里不做介绍） ——imagedata（包含训练和测试所用的原始图片数据和标注） ——res（缓存文件）
