সিয়ামিজ নেটওয়ার্ক এবং ট্রিপলেট লস

সিয়ামিজ নেটওয়ার্ক দুটি বা ততোধিক অভিন্ন, ওজন ভাগ করে নেওয়া শাখা ব্যবহার করে প্রতিটিকে শ্রেণীবদ্ধ করার পরিবর্তে দুটি ইনপুট কতটা একই রকম তা জানতে। ট্রিপলেট লস তাদের প্রশিক্ষণ দেয় ম্যাচিং আইটেমগুলিকে একসাথে টেনে এবং অমিলগুলিকে আলাদা করে দেয়, যা মুখ শনাক্তকরণ, স্বাক্ষর যাচাইকরণ এবং এক-শট শেখার মেরুদণ্ড।

ওজন-ভাগ করা অভিন্ন শাখাগুলি নিশ্চিত করে যে সমস্ত ইনপুট একই এমবেডিং স্পেসে ম্যাপ করা হয়েছে যাতে দূরত্ব তুলনা করা যায়।

ট্রিপলেট লস এম্বেডিং স্পেসকে আকার দিতে একটি অ্যাঙ্কর, একটি ইতিবাচক (একই শ্রেণী) এবং একটি নেতিবাচক (ভিন্ন শ্রেণি) ব্যবহার করে।

ক্ষতি একই-শ্রেণীর আইটেমগুলিকে একত্রে গুচ্ছ করে, কমপক্ষে মার্জিন দ্বারা ধনাত্মককে নেতিবাচকের চেয়ে কাছাকাছি ঠেলে দেয়।

যদি একটি নেতিবাচক ইতিমধ্যে অনেক দূরে, ক্ষতি শূন্য হয়; প্রতারণামূলকভাবে কাছাকাছি নেতিবাচক নির্বাচন করা মডেলটিকে শেখার জন্য অর্থপূর্ণ কিছু দেয়।

যেহেতু তারা স্থির লেবেলগুলির পরিবর্তে সাদৃশ্য শিখেছে, তারা শুধুমাত্র একটি নথিভুক্ত উদাহরণ থেকে একটি একেবারে নতুন পরিচয় চিনতে পারে৷