neural-network - 如何确定卷积神经网络中三重损失的准确性

Question

A 三元网 (受“连体网络”启发)由相同前馈网络的 3 个实例(具有共享参数)组成。当输入 3 个样本时，网络输出 2 个中间值 - 其两个输入的嵌入表示之间的 L2(欧几里德)距离来自
第三者的代表。

我使用成对的三个图像来馈送网络( x = anchor 图像 ，标准图像， x+ = 正图像 ，包含与 x 相同对象的图像 - 实际上， x+ 与 x 相同，而 x- = 负图像 ， 图像与 x 不同。



我正在使用描述的三重损失成本函数 here .

如何确定网络的准确性？

Answer 1

我假设您正在从事图像检索或类似任务。

您应该首先随机生成一些三元组，或者使用一些硬(半硬)负挖掘方法。然后将三元组拆分为训练集和验证集。

如果你这样做，那么你可以将你的验证准确率定义为三元组数量的比例，其中 anchor 和正样本之间的特征距离小于验证三元组中 anchor 和负样本之间的特征距离。你可以看到an example here这是用 PyTorch 编写的。

作为另一种方式，您可以直接根据最终测试指标进行衡量。例如，对于图像检索，我们通常使用 mean average precision 来衡量模型在测试集上的性能。 .如果您使用此指标，您应该首先在您的验证集及其相应的地面实况图像上定义一些查询。

以上两个指标中的任何一个都可以。选择您认为适合您的情况的任何内容。