Odborná definícia
Odborná definícia
Metric learning je učenie reprezentácie alebo vzdialenostnej funkcie tak, aby geometrická blízkosť zodpovedala požadovanej sémantickej podobnosti. Tréning využíva páry, trojice alebo skupiny príkladov a straty, ktoré priťahujú súvisiace vzorky a oddeľujú nesúvisiace. Výsledkom môže byť lineárna Mahalanobisova metrika alebo neurónový embedding. Úspech závisí od stratégie výberu pozitívnych a negatívnych príkladov, definície podobnosti, normalizácie vektorov a evaluácie na nových identitách či triedach.
Zrozumiteľné vysvetlenie
Zrozumiteľné vysvetlenie
Bežná vzdialenosť medzi surovými dátami nemusí zodpovedať tomu, čo človek považuje za podobné. Dve fotografie tej istej osoby môžu mať odlišné pozadie a osvetlenie, no systém ich má uložiť blízko seba. Metric learning sa učí priestor, v ktorom sa rozhodujúce vlastnosti zvýraznia a rušivé rozdiely potlačia. Potom možno použiť najbližších susedov, vyhľadávanie alebo prah podobnosti. Kvalita však závisí od toho, aké páry model videl a či negatívne príklady reprezentujú reálne zámenné prípady.
Časté otázky
Časté otázky
Čo je contrastive loss?
Pracuje s pármi. Pozitívne páry približuje, negatívne oddeľuje aspoň o stanovený margin, pričom výsledok závisí od definície párov a vzdialenosti.
Ako funguje triplet loss?
Porovnáva anchor, pozitívny a negatívny príklad. Cieľom je, aby bol anchor bližšie k pozitívnemu než k negatívnemu o zvolenú rezervu.
Prečo sú hard negatives dôležité?
Ľahké negatíva už model oddeľuje bez námahy a poskytujú slabý gradient. Ťažké negatíva odhaľujú jemné hranice, no nesprávne označené môžu tréning poškodiť.
Ako sa hodnotí naučený embedding?
Pomocou retrieval metrík, verifikácie pri rôznych prahoch, klasifikácie najbližším susedom a testu na identitách alebo triedach, ktoré neboli v tréningu.
Je cosine similarity vždy vhodná?
Nie. Výber závisí od normalizácie a tréningovej straty. Ak bol model optimalizovaný pre inú geometriu, cosine môže meniť poradie susedov neželaným spôsobom.
Súvisiace pojmy
Súvisiace pojmy
Zdroje a redakčná stopa
Zdroje a redakčná stopa
- Kulis, Metric Learning: A Survey
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.