دليل الأساسيات
الخسارة الثلاثية والتعلم المتري
تُعلِّم الخسارة الثلاثية الشبكة العصبية وضع العناصر المتشابهة بالقرب من بعضها البعض والعناصر المختلفة بعيدًا عن بعضها البعض في مساحة التضمين.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
في هذه الصفحةقراءة لمدة دقيقتين
نظرة عامة
إنه الأساس وراء أنظمة التعرف على الوجوه، والبحث عن الصور، والتوصية التي تحتاج إلى مقارنة الأشياء بدلا من مجرد تصنيفها.
الغوص العميق
يقوم التعلم المتري بتدريب النموذج على إنتاج التضمينات والمتجهات التي تعكس فيها المسافة التشابه. تقوم الخسارة الثلاثية بذلك باستخدام ثلاثة مدخلات في المرة الواحدة: مرساة، وموجبة (نفس فئة المرساة)، وسالبة (فئة مختلفة). الهدف يدفع المرساة أقرب إلى الإيجابية من السلبية بهامش ثابت على الأقل. رسميًا، الخسارة هي الحد الأقصى (0، d(a,p) - d(a,n) + هامش)، حيث d عادة ما تكون المسافة الإقليدية. Google قامت FaceNet لعام 2015 بنشر هذا النهج، حيث تعلمت تضمينات الوجه ذات 128 بُعدًا مباشرةً. بمجرد التدريب، يمكنك مقارنة أي عنصرين عن طريق حساب المسافة، دون الحاجة إلى إعادة التدريب للحصول على هويات جديدة. هذه الإمكانية المفتوحة هي السبب وراء صعوبة التعامل مع قوى التعلم المتري وتصنيف مهام التحقق والاسترجاع بسهولة.
التنفيذ في العالم الحقيقي
التحقق من الوجه بأسلوب FaceNet: تؤكد الهواتف وبوابات جواز السفر الهوية عن طريق التحقق مما إذا كانت حشوتا الوجه تقعان ضمن عتبة المسافة.
البحث المرئي عن المنتجات: تتيح مواقع التجارة الإلكترونية للمتسوقين تحميل صورة واسترداد العناصر المشابهة بصريًا عن طريق البحث عن التضمين الأقرب.
التحقق من المتحدث: يقوم المساعدون الصوتيون بتضمين عينة صوتية ومقارنتها بملف تعريف مسجل للتأكد من المتحدث.
التحقق من التوقيع والكتابة اليدوية: تقوم البنوك بتضمين التوقيعات المرجعية والاستعلام عنها ووضع علامة على التزوير عندما تتجاوز المسافة الهامش المكتسب.
مستقبل الخسارة الثلاثية والتعلم المتري
يتم استبدال الخسارة الثلاثية الخالصة بشكل متزايد بأهداف على مستوى الدُفعة مثل التشابه المتعدد والمرساة الوكيلة والخسائر المتباينة (InfoNCE) التي تقارن العديد من الأزواج في كل خطوة وتتقارب بشكل أسرع. تُظهر أساليب الإشراف الذاتي مثل SimCLR أن التعلم المتري يمكن أن يعمل بدون تسميات من خلال التعامل مع طرق العرض المعززة على أنها إيجابية. مع تزايد قواعد البيانات المتجهة وتوليد الاسترجاع المعزز، تدعم التضمينات المستفادة البحث الدلالي على نطاق مليار عنصر، وبالتالي فإن الفكرة الأساسية المتمثلة في المسافة باعتبارها تشابه أصبحت أكثر مركزية، حتى مع تلاشي الصياغة الثلاثية المحددة.
وضعها موضع التنفيذ
لماذا يهم
- قرارات أوضح. يساعدك على فصل المطالبات الفنية الواضحة عن لغة التسويق.
- التكلفة والميزانية. يمكنك طرح أسئلة تنفيذ أفضل قبل إنفاق المال أو الوقت.
- الفريق وسير العمل. تتخذ الفرق ذات الفهم المشترك قرارات أفضل بشأن المنتجات والسياسات والتعلم.
احترس من
- قد تستخدم الفرق المختلفة نفس المصطلح بشكل مختلف، لذا حدد النطاق مبكرًا.
- يمكن أن تبدو المعايير قوية بينما يكون الأداء في العالم الحقيقي غير متساوٍ.
- غالبًا ما يؤدي تجاهل جودة البيانات وخطط التقييم إلى نتائج هشة.
الخطوات التالية
- ابدأ بتعريف لغة واضحة للنتيجة التي تحتاجها.
- اختر مقياس نجاح واحد وحالة فشل واحدة قبل الاختبار.
- قم بتشغيل برنامج تجريبي صغير يحتوي على بيانات تمثيلية، وليس مجموعة تجريبية مصقولة.
- قم بالتوثيق حيث يساعد فقدان الثلاثي والتعلم المتري وأين تكون الطرق الأبسط أفضل.
استمر في الاستكشاف
رسالة إخبارية مجانية
احصل على الإحاطة اليومية لمنظمة العفو الدولية
ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.
بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.
اختبر نفسك
Take the Triplet Loss and Metric Learning quiz
تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.
دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع
الأسئلة المتداولة
ما هو فقدان الثلاثي والتعلم المقياسي؟
تُعلِّم الخسارة الثلاثية الشبكة العصبية وضع العناصر المتشابهة بالقرب من بعضها البعض والعناصر المختلفة بعيدًا عن بعضها البعض في مساحة التضمين. إنه الأساس وراء أنظمة التعرف على الوجوه والبحث عن الصور والتوصية التي تحتاج إلى مقارنة الأشياء بدلاً من مجرد تصنيفها.
ما هي المدخلات الثلاثة التي تشكل ثلاثية في خسارة ثلاثية؟
يتكون الثلاثي من مرساة، وإيجابية تشترك في فئة المرساة، وسالبة من فئة مختلفة.
لماذا تتضمن الخسارة الثلاثية مصطلح الهامش؟
بدون هامش، يمكن للنموذج تعيين كل شيء إلى نفس النقطة، مما يجعل جميع المسافات صفرًا ويرضي الخسارة بشكل تافه. الهامش يفرض الانفصال الحقيقي.
ما هو النظام الشهير لعام 2015 الذي شاع فقدان الثلاثي للتعرف على الوجوه؟
استخدم FaceNet الخاص بـ Google فقدانًا ثلاثيًا لتعلم تضمينات الوجه المضغوطة ووضع معيار في التحقق من الوجه.
ما الذي يخرجه نموذج التعلم المتري المُدرب لكل مدخل؟
يقوم النموذج بتعيين المدخلات لتضمين المتجهات؛ ثم تقوم بمقارنة العناصر عن طريق قياس المسافة بين تضميناتها.
لماذا يعد التعلم المتري مناسبًا تمامًا للمشكلات المفتوحة مثل إضافة وجوه جديدة؟
نظرًا لأن التعرف يعتمد على مسافة التضمين، يمكنك تسجيل هوية جديدة ببساطة عن طريق تخزين تضمينها، دون الحاجة إلى إعادة تدريب النموذج.
استمر في التعلم
أدلة ذات صلة
تم اختيار المزيد من الأدلة لهذا الموضوع