샴 네트워크 및 삼중항 손실 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Siamese 네트워크의 구조적 특징을 정의하는 것은 무엇입니까?
   • 동일한 가중치를 공유하는 두 개 이상의 동일한 분기
   • 히든 레이어가 없는 단일 브랜치
   • 완전히 독립적인 가중치를 갖는 별도의 네트워크
   • 시간 단계에 따른 반복 루프
2. 삼중항 손실에서 세 가지 입력은 무엇입니까?
   • 입력, 숨김, 출력
   • 앵커, 양수 및 음수
   • 학습, 검증, 테스트
   • 인코더, 디코더, 분류기
3. 삼중 손실 목표는 무엇을 시행합니까?
   • 앵커와 네거티브는 동일해야 합니다.
   • 모든 임베딩은 단일 지점으로 축소되어야 합니다.
   • 앵커 포지티브 거리는 앵커 네거티브 거리보다 여유있게 작아야 합니다.
   • 양극과 음극은 앵커까지 동일한 거리를 가져야 합니다.
4. 삼중 손실 훈련에 '하드 네거티브 마이닝'이 중요한 이유는 무엇입니까?
   • 훈련에서 모든 긍정적인 요소를 제거합니다.
   • 네트워크를 더 얕게 만듭니다.
   • 거리 측정법을 라벨로 대체합니다.
   • 쉬운 네거티브는 이미 여백을 충족하고 유용한 그라데이션을 생성하지 않습니다.
5. Siamese 네트워크를 '원샷 학습'에 유용하게 만드는 기능은 무엇입니까?
   • 새로운 입력을 단일 참조와 비교하고 보이지 않는 클래스에 대해서도 유사성을 판단할 수 있습니다.
   • 클래스당 수천 개의 레이블이 지정된 예제가 필요합니다.
   • 고정되고 사전 정의된 카테고리로만 분류됩니다.
   • 훈련 정체성 이상으로 일반화할 수 없습니다.
6. Siamese 네트워크는 일반적으로 두 입력이 일치하는지 어떻게 결정합니까?
   • 원시 픽셀 값을 합산하여
   • 임베딩 벡터 간의 거리를 임계값과 비교하여
   • 사용된 레이어 수를 계산하여
   • 각각에 무작위 클래스 라벨을 할당하여
7. For triplet loss max(0, d(a,p) − d(a,n) + m), let d(a,p)=0.2, d(a,n)=0.8 and m=0.3. What is the loss?
   • 0.3
   • 0.5
   • 0
   • 1.1
8. What happens when a negative example is already farther from the anchor than the required margin?
   • The anchor and positive embeddings are discarded
   • The loss forces the negative closer to the anchor
   • The network switches to classification mode
   • The triplet loss becomes zero and that example gives no useful gradient