距離学習

深層距離学習

• 画像データなどから、類似性を計算するための技術です。
• 深層距離学習は、画像のような高次元データに対して、類似性を計算するために、画像間の距離を学習します。
• 深層距離学習では、Siamese Network、Contrasitve Loss、Triplet Lossなどの手法を使用します。
• これらの手法は、学習データをもとに、同一画像ペア間は近い距離を示すように、異なる画像ペア間は遠い距離を示すように学習することができます。

Siamese Network

• 同様性比較のタスクに特化したニューラルネットワークアーキテクチャーです。
• 2つの画像を入力画像とし、それらの類似性を比較することができます。
• SiameseNetは、同一性認識タスクや類似画像検索タスクなどに使用されます。
• SiameseNetは、共通のフィーチャー抽出部分を共有する2つのサブネットワークからなります。
• この2つのサブネットワークは、同じトレーニングデータを使用して学習することによって、共通の表現を学習することができます。

Cosntrasive Loss

• 同様性比較タスクにおいて、画像ペア間の距離を計算するための誤差関数です。
• Contrastive Lossは、画像ペアに対して、同一クラスのものは近い距離、異なるクラスのものは遠い距離を示すように学習することができます。

Triplet Loss

• 同様性比較タスクにおいて、画像間の距離を計算するための誤差関数です。
• Triplet Lossは、画像ペアに対して、同一クラスのものは近い距離、異なるクラスのものは遠い距離を示すように学習することができます。
• Triplet Lossは、3つの画像（アンキャップ、正例、負例）からなる「三重」と呼ばれるペアを用いて学習することができます。
• アンキャップと正例の画像間の距離は近い、アンキャップと負例の画像間の距離は遠いように学習することができます。
• これにより、同一クラスの画像間は近い距離を示すように学習することができます。
• Triplet Lossは、SiameseNetなどの同様性比較のタスクにおいて、類似性の計算に使用されます。