LegközelebbKövetkező útmutató
Távolságmetrikák a gépi tanulásban
Alapok
Alapok ÚTMUTATÓ
A hármas veszteség arra tanítja a neurális hálózatot, hogy hasonló elemeket közel egymáshoz, a különböző elemeket pedig egymástól távol helyezze el egy beágyazási térben.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
It is the foundation behind face recognition, image search, and recommendation systems that need to compare things rather than just classify them.
A metrikus tanulás modellt képez beágyazások, vektorok létrehozására, ahol a távolság a hasonlóságot tükrözi. A hármas veszteség ezt három bemenet használatával teszi meg egyszerre: egy horgony, egy pozitív (ugyanaz az osztály, mint a horgony), és egy negatív (más osztály). Az objektív legalább egy fix különbséggel közelebb tolja a horgonyt a pozitívhoz, mint a negatívhoz. Formálisan a veszteség max(0, d(a,p) - d(a,n) + margó), ahol d általában euklideszi távolság. A Google 2015-ös FaceNetje népszerűsítette ezt a megközelítést, és közvetlenül megtanulta a 128 dimenziós arcbeágyazást. A betanítás után bármely két elemet összehasonlítja a távolság számítása alapján, nincs szükség átképzésre az új identitásokhoz. Ez a nyílt halmazú képesség az oka annak, hogy a metrikus tanulási képességek ellenőrzési és visszakeresési feladatok osztályozása nem könnyen kezelhető.
FaceNet-stílusú arcellenőrzés: a telefonok és az útlevélkapuk megerősítik a személyazonosságot azáltal, hogy ellenőrzik, hogy két arcbeágyazás a távolsági küszöbön belülre esik-e.
Vizuális termékkeresés: az e-kereskedelmi webhelyek lehetővé teszik a vásárlók számára, hogy fényképeket töltsenek fel, és a legközelebbi szomszéd beágyazása révén vizuálisan hasonló termékeket keressenek le.
Hangszóró ellenőrzése: a hangasszisztensek beágyaznak egy hangmintát, és összehasonlítják azt egy regisztrált profillal, hogy megbizonyosodjanak arról, hogy ki beszél.
Aláírás- és kézírás-ellenőrzés: a bankok hivatkozásokat ágyaznak be, aláírásokat kérdeznek le, valamint zászlóhamisításokat, ha a távolság meghaladja a betanult határt.
A tiszta triplett veszteséget egyre inkább felváltják a kötegszintű objektívek, mint például a többszörös hasonlóság, a proxy-horgony és a kontrasztos veszteségek (InfoNCE), amelyek lépésenként sok párt hasonlítanak össze, és gyorsabban konvergálnak. Az önfelügyelt módszerek, például a SimCLR azt mutatják, hogy a metrikus tanulás címkék nélkül is működhet, ha a kibővített nézeteket pozitívumként kezelik. Ahogy a vektoros adatbázisok és a visszakereséssel kiegészített generációs hullámzás, a tanult beágyazások támasztják alá a milliárdelemes méretű szemantikai keresést, így a távolság-hasonlóság alapgondolata egyre központibbá válik, még akkor is, amikor a specifikus hármas megfogalmazás elhalványul.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A hármas veszteség arra tanítja a neurális hálózatot, hogy hasonló elemeket közel egymáshoz, a különböző elemeket pedig egymástól távol helyezze el egy beágyazási térben. Ez az alapja az arcfelismerési, képkereső és ajánlási rendszereknek, amelyeknek össze kell hasonlítaniuk a dolgokat, nem pedig csak osztályozniuk.
A triplett egy horgonyból, egy pozitívból, amely osztozik a horgony osztályán, és egy másik osztályból származó negatívból áll.
Maradék nélkül a modell mindent ugyanarra a pontra tudna leképezni, így minden távolságot nullává tesz, és triviálisan kielégíti a veszteséget. A margó valódi elválasztást kényszerít ki.
A Google FaceNetje triplet-vesztést használt a kompakt arcbeágyazás megtanulására, és mércét állított fel az arc-ellenőrzésben.
A modell a bemeneteket beágyazási vektorokra képezi le; majd összehasonlítja az elemeket a beágyazottságuk közötti távolság mérésével.
Mivel a felismerés a beágyazási távolságon alapul, új identitást egyszerűen a beágyazás tárolásával regisztrálhat, nincs szükség modell-újraképzésre.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Távolságmetrikák a gépi tanulásban
Alapok