Hasara tatu na Mafunzo ya Metric
Upotevu wa mara tatu hufunza mtandao wa neva kuweka vitu sawa karibu na vitu visivyofanana kwa mbali katika nafasi ya kupachika.
Muhtasari
It is the foundation behind face recognition, image search, and recommendation systems that need to compare things rather than just classify them.
Dive ya kina
Kujifunza kwa metri hufunza modeli kutengeneza upachikaji, vekta ambapo umbali unaonyesha kufanana. Upotevu wa mara tatu hufanya hivyo kwa kutumia pembejeo tatu kwa wakati mmoja: nanga, chanya (darasa sawa na nanga), na hasi (tabaka tofauti). Lengo husukuma nanga karibu na chanya kuliko hasi kwa angalau ukingo uliowekwa. Hapo awali, hasara ni max(0, d(a,p) - d(a,n) + margin), ambapo d kawaida ni umbali wa Euclidean. FaceNet ya Google ya 2015 ilieneza mbinu hii umaarufu, na kujifunza upachikaji wa nyuso zenye sura 128 moja kwa moja. Baada ya kupata mafunzo, unalinganisha vitu vyovyote viwili kwa kukokotoa umbali, hakuna mafunzo tena yanayohitajika kwa vitambulisho vipya. Uwezo huu wa kuweka wazi ndio maana uwezo wa kujifunza kipimo huwezesha uthibitishaji na uainishaji wa majukumu ya kurejesha hauwezi kushughulikia kwa urahisi.
Ufahamu wa Kiufundi
Upeo ndio hufanya upotezaji wa mara tatu ufanye kazi. Bila hivyo, modeli inaweza kuangusha upachikaji wote kwa hatua moja, na kufanya kila umbali kuwa sufuri na kuagiza kutokuwa na maana. Ukingo hulazimisha bafa: chanya lazima iwe angalau ukingo zaidi kuliko chanya kabla upotevu kufikia sifuri. Upachikaji kwa kawaida hutawaliwa na L2 kwenye hypersphere ya kitengo, kwa hivyo umbali hubakia kuwa na mipaka na kulinganishwa. Kuchagua ukingo (mara nyingi karibu 0.2) hubadilisha jinsi madarasa yanavyofungamana dhidi ya utengano kati yao.
Athari za kimkakati
Maamuzi ya wazi zaidi
Inakusaidia kutenganisha madai ya wazi ya kiufundi kutoka kwa lugha ya uuzaji.
Cost and budget
Unaweza kuuliza maswali ya utekelezaji bora kabla ya kutumia pesa au wakati.
Timu na mtiririko wa kazi
Timu zenye uelewa wa pamoja hufanya maamuzi bora ya bidhaa, sera na mafunzo.
Mustakabali wa Upotevu wa Mara tatu na Mafunzo ya Metric
Upotevu halisi wa sehemu tatu unazidi kubadilishwa na malengo ya kundi zima kama vile kufanana kwa aina nyingi, uunganisho wa wakala, na hasara tofautishi (InfoNCE) ambazo hulinganisha jozi nyingi kwa kila hatua na kuungana haraka. Mbinu za kujisimamia kama vile SimCLR zinaonyesha ujifunzaji wa metriki zinaweza kufanya kazi bila lebo kwa kuchukulia maoni yaliyoongezwa kuwa mazuri. Kadiri hifadhidata za vekta na ongezeko la kizazi lililoboreshwa, upachikaji uliojifunza husisitiza utafutaji wa kisemantiki katika kipimo cha vitu mabilioni, kwa hivyo wazo kuu la umbali-kama-ufanano linakuwa kuu zaidi, hata jinsi uundaji wa chembe tatu hufifia.
Utekelezaji wa Ulimwengu Halisi
Uthibitishaji wa uso wa mtindo wa FaceNet: simu na milango ya pasipoti huthibitisha utambulisho kwa kuangalia ikiwa upachikaji wa nyuso mbili unaangukia ndani ya kizingiti cha umbali.
Utafutaji wa bidhaa unaoonekana: tovuti za biashara ya mtandaoni huwaruhusu wanunuzi kupakia picha na kupata bidhaa zinazofanana kwa kuangalia upachikaji wa jirani.
Uthibitishaji wa spika: visaidizi vya sauti hupachika sampuli ya sauti na kuilinganisha na wasifu uliosajiliwa ili kuthibitisha ni nani anayezungumza.
Uthibitishaji wa saini na mwandiko: benki hupachika saini za marejeleo na hoja na kughushi bendera wakati umbali unazidi kiwango cha kawaida.
Hatari & Walinzi
Timu tofauti zinaweza kutumia neno moja tofauti, kwa hivyo fafanua upeo mapema.
Vigezo vinaweza kuonekana kuwa na nguvu ilhali utendakazi wa ulimwengu halisi haufanani.
Kupuuza ubora wa data na mipango ya tathmini mara nyingi huleta matokeo tete.
Ramani ya Utekelezaji
Anza na ufafanuzi wa lugha rahisi wa matokeo unayohitaji.
Chagua kipimo kimoja cha mafanikio na hali moja ya kutofaulu kabla ya kujaribu.
Tekeleza majaribio madogo yenye data wakilishi, si seti ya onyesho iliyoboreshwa.
Hati ambapo Kupoteza Mara Tatu na Mafunzo ya Metric husaidia na ambapo mbinu rahisi ni bora zaidi.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Triplet Loss and Metric Learning quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
Mitandao ya Siamese na Upotezaji wa Triplet
Maswali yanayoulizwa mara kwa mara
What is Triplet Loss and Metric Learning?
Upotevu wa mara tatu hufunza mtandao wa neva kuweka vitu sawa karibu na vitu visivyofanana kwa mbali katika nafasi ya kupachika. Ni msingi wa utambuzi wa uso, utafutaji wa picha na mifumo ya mapendekezo ambayo inahitaji kulinganisha vitu badala ya kuainisha tu.
Je, ni pembejeo gani tatu zinazounda sehemu tatu katika upotevu wa utatu?
Pembe tatu huwa na nanga, chanya inayoshiriki darasa la nanga, na hasi kutoka kwa tabaka tofauti.
Kwa nini upotezaji wa sehemu tatu unajumuisha neno la ukingo?
Bila ukingo, modeli inaweza kuweka kila kitu kwa uhakika sawa, na kufanya umbali wote kuwa sifuri na kutosheleza hasara. Upeo hulazimisha utengano wa kweli.
Ni mfumo gani maarufu wa 2015 ulioeneza upotezaji wa sehemu tatu kwa utambuzi wa uso?
FaceNet ya Google ilitumia upotezaji wa sehemu tatu kujifunza upachikaji wa uso ulioshikana na kuweka alama katika uthibitishaji wa uso.
Je, matokeo ya kielelezo cha mafunzo ya metriki kwa kila ingizo yanatoa nini?
Muundo huu unaweka pembejeo za kupachika vekta; kisha unalinganisha vipengee kwa kupima umbali kati ya upachikaji wao.
Kwa nini ujifunzaji wa kipimo unafaa kwa matatizo ya kuweka wazi kama vile kuongeza nyuso mpya?
Kwa sababu utambuzi unategemea umbali wa kupachika, unaweza kuandikisha utambulisho mpya kwa kuhifadhi upachikaji wake, hakuna urekebishaji wa muundo unaohitajika.