دفاعًا عن خسارة الثلاثي لتحديد الهوية الشخصية مرة أخرى

في السنوات القليلة الماضية، مرّ مجال الرؤية الحاسوبية بثورة مدفوعة بشكل رئيسي بظهور قواعد بيانات كبيرة وتبني الشبكات العصبية التلافيفية العميقة للتعلم من النهاية إلى النهاية. لا تشكل فرع إعادة تحديد الشخص (person re-identification) استثناءً من هذا. ومع ذلك، يبدو أن هناك اعتقادًا سائدًا في المجتمع العلمي بأن خسارة الثلاثيات (triplet loss) أقل فعالية من استخدام خسائر بديلة (التصنيف، التحقق) متبوعة بخطوة تعلم متري منفصلة. نظهر أن استخدام نوع من خسارة الثلاثيات لأداء التعلم المتري العميق من النهاية إلى النهاية يتفوق على معظم الطرق المنشورة الأخرى بمarge كبير.ملاحظة: تم تعديل "by a large margin" إلى "بمarge كبير" لضمان الفهم الصحيح في العربية، حيث يمكن استخدام "هامش" أو "فارق" حسب السياق.