Metric Learning 入門 - copypasteの日記

はじめに metric learningとは マハラノビス距離学習 deep metric learningとは siamese network triplet network サンプルの選び方と直感的理解 L2 softmax network MNISTで実験 実験条件 実験1-1: 表現力の確認 実験1-2: 未知クラスの表現力を確認 実験1-3: 奇数/偶数を学習 天気データで実験 データの準備 実験条件 実験2-1: 表現力の確認（その１） 実験2-2: 表現力の確認（その２） 実験2-3: 未知クラスの表現力を確認 まとめ おわりに 参考 はじめに metric learningについて学ぶ機会があったので忘れないうちに得た知識を書き留めておきます。学んだ期間は10日程度と短く、deep learningも含めて初心者ですので疑いながら読んでいただければと思います。間違いを見つけ

[sh19910711]

2019 / "L2 softmax network: 明示的に距離を操作することはしません。softmax関数の手前で２つの処理をするのが特徴 + softmax関数に通す前にL2ノルムで割って定数倍するだけ / 分類モデルにとって都合の良い特徴量を作成している"

[zak3]

Metric Learning

[somemo]

“データ間の計量（距離や類似度など）を学習する手法 です。直感的には、意味の近いデータは近く、意味の遠いデータは遠くなるように計量を学習 します” https://vision.cornell.edu/se3/embeddings-and-metric-learning/