ऑनलाइन और हार्ड नेगेटिव माइनिंग

कठिन नकारात्मक खनन उन आसान उदाहरणों पर प्रयास बर्बाद करने के बजाय सबसे जानकारीपूर्ण, कठिन-से-पहचान करने वाले उदाहरणों को प्रशिक्षित करने के लिए चुनता है जो मॉडल पहले से ही सही है। यह वह ट्रिक है जो मीट्रिक लर्निंग और ऑब्जेक्ट डिटेक्शन को तेजी से और सटीक रूप से परिवर्तित करती है।

आसान नकारात्मक मार्जिन से काफी आगे बैठते हैं, पहले से ही नुकसान को पूरा करते हैं, और अनिवार्य रूप से कोई ग्रेडिएंट नहीं देते हैं, इसलिए प्रशिक्षण रुक जाता है।

ऑनलाइन माइनिंग प्रत्येक चरण में वर्तमान बैच के अंदर जोड़ीदार दूरी की गणना करता है, जबकि ऑफ़लाइन माइनिंग समय-समय पर पूरे डेटासेट को स्कैन करता है और पुराना हो सकता है।

अर्ध-कठोर नकारात्मक सकारात्मक की तुलना में एंकर से अधिक दूर हैं, फिर भी मार्जिन के अंदर आते हैं, जो पूर्णतम कठिन मामलों की अस्थिरता के बिना उपयोगी, स्थिर ग्रेडिएंट देते हैं।

बैच-हार्ड माइनिंग सबसे कठिन मामलों को चुनता है: प्रत्येक एंकर के लिए यह बैच में सबसे दूर के सकारात्मक और निकटतम (सबसे भ्रमित करने वाले) नकारात्मक को लेता है।

एक बड़ा बैच एक बड़ा जोड़ीदार दूरी मैट्रिक्स उत्पन्न करता है, इसलिए प्रत्येक चरण से सबसे कठिन खनन के लिए अधिक उम्मीदवार नकारात्मक होते हैं।