引导式测验 · 中等 等级

三元组损失和度量学习测验

测试锚正负角色、边缘分离、嵌入比较、标准化以及零与主动三元组损失示例。

相关引导路径三元组损失和度量学习
问题 1 的 8

三元组损失中哪三个输入构成三元组？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. 三元组损失中哪三个输入构成三元组？
    • 锚定、正向和负向
    • 输入、隐藏层和输出
    • 查询、键和值
    • 训练、验证和测试样本
  2. 为什么三元组损失包括保证金条款？
    • 加速矩阵乘法
    • 增加班级数量
    • 防止模型将所有嵌入折叠到一个点
    • 将距离转换为概率
  3. 2015 年哪个著名系统在人脸识别中推广了 Triplet Loss？
    • 亚历克斯网
    • 人脸网
    • 残差网络
    • 伯特
  4. 经过训练的度量学习模型对每个输入输出什么？
    • 仅类别标签
    • 边界框
    • 单一概率得分
    • 距离反映相似性的嵌入向量
  5. 为什么度量学习非常适合添加新面孔等开放集问题？
    • 它为每个新身份重新训练整个网络
    • 仅当提前知道所有类别时才有效
    • 比较依赖于距离，因此新身份不需要重新训练
    • 它记住固定的输出列表
  6. 度量学习中的嵌入通常是 L2 归一化的。这有什么作用呢？
    • 它将嵌入放置在单位超球面上，因此距离保持有界且可比较
    • 它消除了对任何损失函数的需要
    • 它将网络转换为分类器
    • 它使嵌入尺寸加倍
  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