삼중항 손실 및 메트릭 학습 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 삼중항 손실에서 삼중항을 구성하는 세 가지 입력은 무엇입니까?
   • 앵커, 양수 및 음수
   • 입력, 은닉층, 출력
   • 쿼리, 키, 값
   • 학습, 검증 및 테스트 샘플
2. 삼중 손실에 마진 기간이 포함되는 이유는 무엇입니까?
   • 행렬 곱셈 속도를 높이려면
   • 수업 수를 늘리려면
   • 모델이 모든 임베딩을 한 지점으로 축소하는 것을 방지하려면
   • 거리를 확률로 변환하려면
3. 얼굴 인식에 대한 삼중항 손실을 대중화한 2015년의 유명한 시스템은 무엇입니까?
   • 알렉스넷
   • 페이스넷
   • 레스넷
   • 버트
4. 훈련된 메트릭 학습 모델은 각 입력에 대해 무엇을 출력합니까?
   • 클래스 라벨만
   • 경계 상자
   • 단일 확률 점수
   • 거리가 유사성을 반영하는 임베딩 벡터
5. 새로운 얼굴 추가와 같은 개방형 문제에 메트릭 학습이 적합한 이유는 무엇입니까?
   • 각각의 새로운 ID에 대해 전체 네트워크를 재교육합니다.
   • 모든 클래스가 미리 알려진 경우에만 작동합니다.
   • 비교는 거리에 따라 달라지므로 새로운 ID에는 재교육이 필요하지 않습니다.
   • 고정된 출력 목록을 기억합니다.
6. 메트릭 학습의 임베딩은 L2 정규화되는 경우가 많습니다. 이것은 어떤 영향을 미치나요?
   • 단위 하이퍼스피어에 임베딩을 배치하므로 거리가 제한되고 비교 가능합니다.
   • 손실 함수가 필요하지 않습니다.
   • 네트워크를 분류자로 변환합니다.
   • 임베딩 차원을 두 배로 늘립니다.
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