【硬核科普】6分鐘了解對(duì)比學(xué)習(xí)(Contrast Learning)
- 對(duì)比學(xué)習(xí)：通過對(duì)比數(shù)據(jù)對(duì)的“相似”或“不同”以獲取數(shù)據(jù)的高階信息
- Positive Pairs（圖片間的一種關(guān)系）:由同一張?jiān)紙D片擴(kuò)增而來的圖片
- Native Paris:由不同的圖片擴(kuò)增的來的圖片
對(duì)比學(xué)習(xí)的3個(gè)步驟：Data Augmentation（數(shù)據(jù)擴(kuò)增）——Encoding（丟進(jìn)卷積神經(jīng)網(wǎng)絡(luò)中）——Loss minimization（損失最小化）
1.Data Augmentation
可以通過裁剪、調(diào)整大小、顏色失真、灰度
把一張?jiān)瓐D擴(kuò)增兩次就形成了一個(gè)數(shù)據(jù)對(duì)（Positive Pairs/Native Paris）
2.Encoding
是把Image裝換為Vector Representation（向量表示）
3.Loss Minimization
評(píng)價(jià)相似性:利用向量夾角的cos值加上交叉熵，因?yàn)橹苯欠秶鷥?nèi)，夾角越大，cos值越小\
Loss Minimization=Cosine similarity+Cross-entropy
標(biāo)簽：
