Загуба на тройка и научаване на метрика
Триплетната загуба учи невронна мрежа да поставя подобни елементи близо един до друг и различни елементи далеч един от друг в пространството за вграждане.
Преглед
It is the foundation behind face recognition, image search, and recommendation systems that need to compare things rather than just classify them.
Дълбоко гмуркане
Метричното обучение обучава модел за създаване на вграждания, вектори, където разстоянието отразява сходството. Триплетната загуба прави това, като използва три входа наведнъж: котва, положителен (същия клас като котвата) и отрицателен (различен клас). Целта приближава котвата по-близо до положителното, отколкото до отрицателното поне с фиксиран марж. Формално загубата е max(0, d(a,p) - d(a,n) + марж), където d обикновено е евклидово разстояние. FaceNet на Google от 2015 г. популяризира този подход, научавайки директно 128-измерни вграждания на лица. Веднъж обучени, сравнявате всеки два елемента чрез изчисляване на разстоянието, не е необходимо повторно обучение за нови самоличности. Тази способност за отворен набор е причината, поради която метричното учене не може лесно да се справи с проверката и класификацията на задачите за извличане.
Техническа информация
Маржът е това, което кара триплетната загуба да работи. Без него моделът може тривиално да свие всички вграждания до една точка, правейки всяко разстояние нула и подреждането безсмислено. Маржинът налага буфер: минусът трябва да е поне марж по-далеч от положителния, преди загубата да достигне нула. Вгражданията обикновено са L2-нормализирани върху единична хиперсфера, така че разстоянията остават ограничени и сравними. Изборът на марж (често около 0,2) заменя колко плътно се клъстерират класовете спрямо разделянето между тях.
Стратегическо въздействие
Clearer decisions
Помага ви да отделите ясните технически твърдения от маркетинговия език.
Cost and budget
Можете да задавате въпроси за по-добро внедряване, преди да харчите пари или време.
Team and workflow
Екипи със споделено разбиране вземат по-добри решения за продукти, политики и обучение.
Бъдещето на загубата на триплети и обучението на метрики
Чистата загуба на триплет все повече се заменя от цели за цялата партида, като мулти-сходство, прокси-котва и контрастни загуби (InfoNCE), които сравняват много двойки на стъпка и се сближават по-бързо. Методите за самоконтрол като SimCLR показват, че обучението на метрики може да работи без етикети, като третира разширените изгледи като положителни. Тъй като векторните бази данни и генерирането с увеличено извличане нарастват, научените вграждания са в основата на семантичното търсене в мащаб от милиард елементи, така че основната идея за разстоянието като подобие става все по-централна, дори когато специфичната формулировка на триплета избледнява.
Внедряване в реалния свят
Лицева проверка в стил FaceNet: телефоните и паспортните врати потвърждават самоличността, като проверяват дали две вградени лица попадат в рамките на прага на разстояние.
Визуално търсене на продукти: сайтовете за електронна търговия позволяват на купувачите да качат снимка и да извлекат визуално подобни артикули чрез търсене в най-близкия съсед.
Проверка на високоговорителя: гласовите асистенти вграждат гласова проба и я сравняват с регистриран профил, за да потвърдят кой говори.
Проверка на подпис и почерк: банките вграждат референтни подписи и заявки и фалшификати, когато разстоянието надвишава наученото поле.
Рискове и предпазни огради
Различните екипи могат да използват един и същи термин по различен начин, така че дефинирайте обхвата рано.
Бенчмарковете могат да изглеждат силни, докато производителността в реалния свят е неравномерна.
Пренебрегването на качеството на данните и плановете за оценка често създава крехки резултати.
Пътна карта за изпълнение
Започнете с дефиниция на обикновен език за резултата, от който се нуждаете.
Изберете един показател за успех и едно условие за неуспех преди тестване.
Изпълнете малък пилотен проект с представителни данни, а не изпипан демонстрационен набор.
Документирайте къде Triplet Loss и Metric Learning помагат и къде по-простите методи са по-добри.
Продължете да изследвате
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Triplet Loss and Metric Learning quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
Сиамски мрежи и триплетна загуба
Frequently asked questions
What is Triplet Loss and Metric Learning?
Триплетната загуба учи невронна мрежа да поставя подобни елементи близо един до друг и различни елементи далеч един от друг в пространството за вграждане. Това е основата зад системите за разпознаване на лица, търсене на изображения и препоръки, които трябва да сравняват нещата, а не просто да ги класифицират.
Кои три входа съставляват триплет при загуба на триплет?
Триплетът се състои от котва, позитив, който споделя класа на котвата, и негатив от различен клас.
Защо триплетната загуба включва маржин термин?
Без марж, моделът може да картографира всичко в една и съща точка, правейки всички разстояния нула и тривиално задоволяване на загубата. Маржът налага истинска раздяла.
Коя известна система от 2015 г. популяризира загубата на триплети за разпознаване на лица?
FaceNet на Google използва загуба на триплет, за да научи компактни вграждания на лица и да постави еталон за проверка на лица.
Какво извежда обучен модел за обучение на метрика за всеки вход?
Моделът картографира входове към вектори за вграждане; след това сравнявате елементи, като измервате разстоянието между техните вграждания.
Защо метричното обучение е подходящо за проблеми с отворен набор като добавяне на нови лица?
Тъй като разпознаването се основава на разстоянието на вграждане, можете да регистрирате нова самоличност, просто като съхраните нейното вграждане, без да е необходимо повторно обучение на модела.