トリプレット損失と計量学習クイズ

クイズに答えると、答えと解説が表示されます。

1. トリプレット損失でトリプレットを構成する 3 つの入力はどれですか?
   • アンカー、ポジティブ、ネガティブ
   • 入力、隠れ層、出力
   • クエリ、キー、値
   • サンプルのトレーニング、検証、テスト
2. なぜトリプレットの損失には証拠金期間が含まれるのでしょうか?
   • 行列の乗算を高速化するには
   • クラス数を増やすには
   • モデルがすべての埋め込みを 1 つの点に折りたたむのを防ぐには
   • 距離を確率に変換するには
3. 顔認識の三重項損失を普及させた 2015 年の有名なシステムはどれですか?
   • アレックスネット
   • フェイスネット
   • レスネット
   • バート
4. トレーニングされたメトリクス学習モデルは各入力に対して何を出力しますか?
   • クラスラベルのみ
   • 境界ボックス
   • 単一の確率スコア
   • 距離が類似性を反映する埋め込みベクトル
5. 計量学習が新しい面の追加などの開集合問題に適しているのはなぜですか?
   • 新しいアイデンティティごとにネットワーク全体を再トレーニングします
   • すべてのクラスが事前にわかっている場合にのみ機能します
   • 比較は距離に依存するため、新しいアイデンティティを再トレーニングする必要はありません
   • 出力の固定リストを記憶します
6. メトリクス学習における埋め込みは、多くの場合、L2 正規化されます。これにはどのような効果がありますか?
   • ユニット超球上に埋め込みを配置するため、距離は制限され、比較可能な状態に保たれます。
   • 損失関数が不要になります
   • ネットワークを分類器に変換します
   • 埋め込み寸法が 2 倍になります
7. Under max(0, d(a,p) minus d(a,n) plus margin), d(a,p)=0.3, d(a,n)=0.8 and margin=0.2 yield what loss?
   • 0.3
   • 0.7
   • 1.3
   • 0
8. A positive margin is 0.2 and every embedding collapses to the same point. What loss does that triplet formula give?
   • 0, because both distances are equal
   • 0.2, so collapse has not satisfied the separation objective
   • 1, regardless of the margin
   • A negative loss of minus 0.2